Active user participations and interactive communications among users in the Web 2.0 era have made it possible to elicit a vast amount of user activity information from the Web resources. At the same time, they call for a more advanced technology that enables a correct understanding of individual and/or group activities, situations, and intents of the users in various domains. There is no doubt that the vast amount of information on human experiences involving activities is going to help understanding human activities of various sorts. Our research centers around the question of how to turn the vast amount of activity-related knowledge into a form that can be utilized for various intelligence-enabled applications. Focusing on human activity knowledge, we propose a new approach to knowledge base construction by exploring and integrating structured, semi-structured and unstructured forms of activity knowledge. More specifically, we start with a manually constructed knowledge base consisting of a small number of commonsense activity frames and augment them automatically with how-to articles containing step-by-step instructions and blog posts in a free text form. To assess the utility of the proposed method and its outcome, we examined accuracy and coverage of the automatically constructed activity knowledge. We also demonstrate the utility of the constructed knowledge base in activity identification from open text. The evaluation results show that the use of the activity knowledge base indeed help improving the performance of the baseline methods for the tasks. In addition, we illustrate other potential applications of the enriched activity knowledge in different domains, such as situation-aware service recommendation and semantic web service composition.
과거부터 인간의 경험(experience) 및 액티비티(activity)을 기록하고 분석하는 것은 인류의 오랜 역사와 함께해 왔는데, 인공지능 (AI)는 이러한 인간의 액티비티 지식(activity knowledge)을 규칙화하고 추론하는 연구를 계속해왔다. 하지만, 주로 몇몇 전문가에 의해 수작업에 의해 구축되었는데, 여러 도메인의 액티비티 지식을 자동으로 증식시키는 데는 여전히 어려움이 따랐다.
최근 Web 2.0 트렌드에 힘입어 웹 상에는 수많은 문서들이 사용자들에 의해 생산되고 있고, 상당한 수의 웹 문서들이 개인의 일상 생활의 경험과 활동을 기술하고 있으며, 그 범위와 수는 하루가 다르게 증가하고 있다. 또한 최근 자연어 처리 (natural language processing)기술의 발전으로 인해 그러한 웹 문서를 대상으로 문서 내 존재하는 사람의 활동 (human activity knowledge)를 자동으로 처리하는 기술이 가능하게 되었다. 본 논문에서는 손으로 만든 구조화된(structured) 활동지식이 존재할 때, 웹에 존재하는 반 구조화된 (semi-structured) 혹은 구조화된(structured) 문서들로부터 액티비티를 추출할 수 있는 일반적인 방법론을 제시한다. 특히, 구조화된 활동지식은 반 구조화 혹은 구조화된 문서들로부터 그 추출 패턴을 단계적으로 자동으로 학습 (self-supervised learning)하여 액티비티를 자동으로 증식시킬 수 있다. 구체적으로는 액티비티 지식 모델 (activity knowledge mode), 구조화 / 반 구조화 / 비 구조화된 문서의 소개, 그리고 다단계적 CRF기반 액티비티 지식 추출 (multi-step conditional random field-based activity extraction) 기법을 다룬다. 또한, 실제 구축된 액티비티 지식의 활용에서의 유용성을 보이기 위해 비 구조화된 문서에서의 액티비티 확인(activity identification) 실험과 situation-awareness application에서의 활용 시나리오를 소개한다. 이러한 결과들은 액티비티 지식이 다양한 웹 자원들로부터 계속적으로 추출되어 다양한 situation-aware application에 응용 및 활용 될 수 있는 가능성을 제시한다.
