Although a query language has been used as a convenient tool to obtain information from a database, users increasingly demand more intelligent cooperative query answering approaches that can understand the intent of an imprecise query and provide additional useful information as well as exact answers. However, existing approaches have limitations in the diversity of admitted queries, query relaxation control through user interaction, and knowledge maintenance because they cannot extract enough semantic knowledge from underlying database to support effective information retrieval and decision support. To remedy such shortcomings, this dissertation proposes an integrated cooperative query answering approach that relaxes a search scope of the original query condition and provides approximate neighborhood answers as well as exact answers.
The main issues on cooperative query answering are the representation of similarity relationships between data values, which are necessary for query relaxation and inference support between database objects. The proposed knowledge representation framework, fuzzy abstraction hierarchy (FAH), adopts abstraction hierarchy and fuzzy relation approaches to extract the similarity relationship between data values. FAH is a multilevel knowledge representation framework that extracts abstract values from an underlying database and puts them into abstraction hierarchies. Additionally, it adopts fuzzy relation to represent discriminated similarity strength between data values. Thus, the similarity measure between values in FAH is represented by the notion of data abstraction and fuzzy relation. As a result, FAH acquires richer semantic knowledge of an underlying database and embraces the advantages of existing data abstraction and semantic distance approaches.
Based on FAH, query relaxation operators such as query generalization, approximation, and specialization of a value are developed. The semantic knowledge involved in FAH is incorporated into a meta-database and used by a query processing mechanism that supports a variety of queries in a consistent and integrated manner. Specifically four types of cooperative queries are discussed, including approximate selection, approximate join, conceptual selection, and conceptual join. A prototype system demonstrates a way of implementing the query interface that can cooperate with users. The proposed cooperative query answering approach help database users carry out more effective query answering and decision making by increasing the diversity of admitted queries, elaborating the query relaxation control through user interaction, and accommodating dynamic knowledge maintenance.
본 논문에서는 데이터베이스 사용자가 작성한 질의문의 검색 조건을 정확하게 만족 시키는 질의 결과가 존재하지 않을 경우, 검색 조건을 완화하여 원래 질의에 대한 유사해를 제공해 주는 협력적 질의 응답 기법을 제시한다. 이러한 협력적 질의응답 기법이 질의의 의도를 이해하고 검색 조건의 완화를 수행하는 것은 데이터베이스에 존재하는 데이터 값들 사이의 유사성과 같은 의미론적 관계(semantic relationship)에 대한 지식을 활용함으로써 가능하게 된다. 이를 위하여 본 논문에서는 데이터 값들 사이의 의미론적 관계를 표현하기 위하여 기존에 가장 널리 사용되어 왔던 데이터 추상화 (data abstraction) 기법과 의미론적 거리 (semantic distance) 기법을 통합한 퍼지 추상화 계층을 제시한다.
퍼지 추상화 계층은 데이터베이스에 존재하는 데이터 값들을 상위 개념 수준의 보다 추상화된 값으로 표현하고 그 값들 사이의 추상화 관계를 다단계의 계층적 구조(hierarchical structure)로 구성한다. 또한 계층구조에 존재하는 데이터 값들 사이의 유사성의 정도는 퍼지 관계(fuzzy relation)를 이용하여 명확하게 표현된다. 따라서 퍼지 추상화 계층에 존재하는 값들 사이의 유사성은 데이터 추상화와 퍼지 관계의 통합된 개념을 바탕으로 표현된다. 결과적으로 퍼지 추상화 계층은 기존의 협력적 질의 응답 기법보다 더욱 풍부한 의미론적 관계를 표현할 수 있게 됨으로써, 기존 기법들이 가진 한계점을 극복하고 다음과 같은 장점들을 제공하게 된다.
첫째, 퍼지 추상화 계층은 다양한 전문가 수준을 갖는 사용자들의 질의 요구를 지원할 수 있다. 사용자들은 자신의 경험과 수준에 따라서 다양한 형태의 질의를 작성하게 되고, 퍼지 추상화 계층은 처리 가능한 질의의 유형을 증가시킴으로써 기존의 기법들보다 더욱 다양한 수준의 사용자들을 지원할 수 있게 된다. 이를 위하여 질의의 유형을 유사선택, 개념선택, 유사조인, 개념조인 질의의 4가지 유형으로 확장하여 각각의 질의를 효과적으로 처리할 수 있는 도구를 제공한다. 둘째, 퍼지 추상화 계층은 사용자들이 질의 결과의 우선순위나 중요도를 결정할 수 있도록 도와줄 수 있는 유사성 척도(measure)를 제공한다. 이러한 척도를 사용하여 사용자들은 유사도에 따라 정렬된 형태의 유사해를 제공받을 수 있게 되고, 질의처리 과정에서 사용자 상호작용(user interaction)을 통하여 질의완화의 정도를 보다 효과적이고 정교하게 수행할 수 있게 된다. 셋째, 퍼지 추상화 계층은 유사성에 관한 정보의 보다 효과적이고 낮은 비용의 구축과 관리를 가능하게 해준다. 퍼지 추상화 계층에 의해 표현된 지식은 협력적 질의 처리를 수행하기 위해 데이터베이스에 저장되고 관리되게 되는데, 관리자가 의미론적 지식을 구축하고 관리하는 것을 보다 효과적으로 수행할 수 있도록 지원한다. 데이터 추상화의 개념은 데이터 값들간의 의미론적 관계를 평가하는데 기준적 도구로서 사용되어 평가 시 일관성을 유지할 수 있도록 해주며, 측정해야 할 유사성 정도의 수도 급격하게 감소시켜 줌으로써 관리상의 비용도 줄여줄 수 있게 된다. 본 논문에서 제안하고 있는 퍼지 추상화 계층은 데이터 값들이 특히 범주형 (categorical) 데이터 특성과 수치적 특성을 함께 가지고 있을 경우에 적절하게 활용되어 사용자의 효과적인 정보 검색과 의사결정에 많은 도움을 줄 수 있을 것이다.
