Context-awareness is the center of emerging ubiquitous and pervasive computing paradigm. Context-aware computing is a computing paradigm to activate services and change them appropriate to given context. Context model is the foundation of context-aware computing because it defines how the system understands the domain and processes contexts as data. Ontology-based context model is widely accepted in ubiquitous computing area because of its simplicity in format, interoperability, and support for inference.
However, most current context modeling techniques do not consider time element as their foundation construct though time is an important context itself, and temporal property is basic information for history, order among context occurrences, further inference and learning context, and so on.
There are two methods used to add temporal element in context model; ad hoc approach and temporal ontology approach. Ad hoc approach puts time tags into context model definition in a specific way. It has problems in interoperability and extensibility. Current temporal ontology approach has space and performance problem due to triple reification. To reify a RDF triple statement for temporal information, we need ten additional triple statements; four triples to reify basic triple, and six more triples to represent temporal information. The reification also degrades performance because it results additional join operations over base contexts and temporal element triples.
Current temporal ontology methods using RDF triple have cost and semantics problems. The problems are significant so that temporal context management cannot take in dynamic environments. The problems are discussed using mathematical analysis and literature study in introduction and related work.
Therefore, we propose a temporal ontology model using quintuple
상황인지 기술은 유비퀴터스 컴퓨팅과 퍼베이시브 컴퓨팅 패러다임의 중심 기술이다. 상황인지 컴퓨팅은 주어진 상황에 맞게 서비스를 실행하고 변경하는 컴퓨팅 패러다임을 말한다. 상황모델은 상황인지 컴퓨팅의 근간이다. 상황모델은 해당 도메인을 시스템이 어떻게 이해하고 처리할지를 결정하도록 하기 때문이다. 온톨로지 기반 상황모델은 간단한 형태, 교환성, 추론지원 등의 이점 때문에 유비퀴터스 컴퓨팅에서 범용으로 사용되고 있다.
그러나, 시간은 그 자체가 상황정보로서 갖는 의미 뿐만 아니라 히스토리, 순서, 심도있는 추론, 상황 학습 등을 위한 특성을 갖고 있음에도, 현재의 상황모델 기술은 시간요소를 근본 구성요소로 여겨지지 않고 있다.
시간적 요소를 상황모델에 추가하기 위해서는 두 가지 방법이 사용된다. 애드혹한 방법과 시간적 온톨로지 방법이 그 것이다. 애드혹 방법은 시간 정보를 정형화되지 않은 특정한 방법으로 상황모델에 추가한다. 이는 상호교환성과 확장성에 문제를 야기한다. 반면 이제까지 제시된 시간적 온톨로지 방법은 구체기술(reification)에 의해 발생하는 공간 및 성능 문제를 안고 있다. 시간정보를 위해 한 개의 RDF 트리플을 구체기술하기 위해서는 10개의 추가적인 트리플이 필요하다; 4개는 기본 트리플을 구체기술하고 나머지 6개는 시간 정보를 연결하고 기술한다. 구체기술 방법은 또한 기본 상황정보와 시간 요소 트리플에 대한 추가적인 조인 연산을 발생시키기 때문에 시스템 성능을 저하시킨다.
현재까지 제시된 RDF 트리플 기반의 시간적 온톨로지 방법은 비용과 의미적 문제를 동시에 갖고 있다. 이러한 문제점들은 큰 사안이기 때문에 시간적 상황정보 관리가 다이나믹한 환경에서 감당할 수 없다. 해당 문제점들은 서론 및 관련 연구에 수학적 분석과 기존 논문 분석을 통해 논의한다.
따라서 본 학위논문은 오원소자 (quintuple)를 이용한 시간적 온톨로지 모델 - TOM-Q를 제안한다. 해당 방법은 현재의 트리플 모델에 시작 및 종료 시간 요소를 더하여 확장한 모델을 제시한다. 기본적인 아이디어는 상황정보 단위로서 다음과 같은 오원소자 구조에 담긴다 - (Subject, Property, Object, Start_time, End_time). 제안된 상황모델은 추상 모델 수준과 언어표현 수준에 단일되고 통일된 모델을 가지게 된다. 제시된 모델은 상황정보 처리 성능과 저장공간 효율성을 향상시킨다. 이는 해당 제시된 모델이 구체기술 (reification)을 필요로하지 않는 추상 수준의 시간적 상황모델에 대응하는 작은 데이터 모델만 필요하기 때문이다.
본 학위논문은 제안된 시간적 온톨로지 모델에 기반한 의미와 기본 규칙들을 정의하였다. 오원소자를 기반으로 하여 시간적 상황정보 관리에 유용한 시간적 관계들을 고안하였다. 이 시간적 관계의 응용 도메인에서의 유용성은 예제 질의를 도입하여 확인하도록 하였다. 또한 오원소자 식별자 (quintuple identifier)와 저장구조 모델이 본 논문에 제안되었다. 이 두 가지는 추상 수준과 먼 구현 수준에 상응하는 설계이나 오원소자라는 모델과 통일성이 유지되도록 정의되었다.
제안된 TOM-Q 모델을 위하여 질의언어인 TOM-QL을 정의하고 제안하였다. TOM-QL은 SQL형의 질의언어로서 오원소자 모델을 기본 데이터타입으로 사용하도록 정의되었다. 앞서 정의된 TOM-Q의 의미와 시간적 관계 계산자들을 모두 사용하며 몇몇 계산자와 함수들은 특별히 시간적 상황정보 관리를 위하여 고안되었다. 질의 예제를 통하여 이러한 계산자와 함수가 유용하게 사용될 수 있는 경우를 제시하였다.
본 학위논문에 제안된 방법은 현재까지 제시된 표준 RDF 트리플 모델과 다른 새로운 시간적 온톨로지 모델을 제안하는 것이다. 따라서 하위 호환성 (backward compatibility) 이슈가 자연스레 제기된다. 이러한 문제를 해결하기 위하여 몇가지 시스템 아키텍처를 제안하였다. 해당 아키텍처는 현재 표준과의 호환성 문제를 해결하기 위한 주요 역할을 담당하는 핵심 모듈을 포함한다. 몇가지 시나리오를 통하여 어떻게 사용자가 해당 시스템 아키텍처를 이용하여 현재 RDF 트리플 기반의 데이터 모델과 temporal RDF 와 TOM-Q를 사용자의 의도와 편의를 위해 이용할 수 있는지 보여주고 있다. 또한 아키텍처의 각 모듈에 대한 상세 설명을 담고 있다.
현재 제안된 Temporal RDF와 TOM-Q의 비교를 통하여 TOM-Q가 약 4배의 시스템 성능 향상을 가져온 것을 보인다. 소개된 실험을 통하여 TOM-Q는 temporal RDF 보다 반응속도가 빠른 것을 확인할 수 있다. 수학적 분석을 통해 4배의 성능 향상이 수치적으로 확인되었다. 두 모델의 비교는 질의 언어의 표현력도 포함된다. 제안된 TOM-QL은 복잡한 질의도 간단하고 읽고 이해하기 쉬운 질의로 표현이 가능한데 반해, temporal RDF 은 SPARQL을 사용하기 때문에 길어지고 복잡한 형태의 질의로 표현하게 된다.
본 학위논문은 최적화와 같은 추후에 더 연구할 가치가 있는 몇몇 연구 이슈를 소개하며 맺음한다. 향후 연구는 TOM-Q 기반의 시간적 온톨로지 상황정보 규칙 개발과 추론 엔진의 설계 및 개발이 주제이다.
