We describe an efficient semantic service discovery scheme called UbiSearch for a large-scale ubiquitous computing environment. We propose a semantic service discovery network on the semantic vector space where semantically adjacent services are mapped into nearby positions so that the similar services are registered in a cluster of resolvers. Using this mapping technique, the search space for a query is efficiently confined within a minimized cluster region while keeping a high accuracy. We also propose techniques to evenly distribute service indexes to the resolvers and reduce the number of resolvers to visit. Our simulation study shows that UbiSearch provides good semantic searchability comparable to centralized indexing system. At the same time, it supports scalable semantic queries with low communication overhead, balanced load distribution among resolvers for service registration and query processing, and personalized semantic matching.
유비쿼터스 환경에서는 다양한 서비스들이 자동으로 검색되고 사용자의 컨텍스트에 따라 동적으로 응용 프로그램과 결합된다. 유비쿼터스 컴퓨팅 응용 프로그램은 서비스를 동적으로 결합함으로써 환경의 변화를 감지하고 그에 적절하게 적응하게 된다. 서비스 검색 프로토콜을 환경 내의 가장 적절한 서비스를 찾아 주는 기능을 한다는 점에서 그러한 서비스의 동적 결합을 가능하게 하는 중요한 기능적 요소라 할 것이다.
네트워크 기능을 내장한 디바이스와 네트워크 인프라의 보급으로 유비쿼터스 환경의 크기는 u-home이나 u-office 등과 같이 작은 규모에서 u-town이나 u-city 등과 같이 매우 큰 규모로 확장되고 있다. 동시에 m-commerce, telematics, u-healthcare 등과 같은 다양한 종류의 응용들이 우리의 삶을 보다 더 즐겁고 편하고 안전하고 건강하게 하기 위해서 생겨나고 있다. 따라서 서비스 검색 프로토콜 또한 이러한 변화에 대응하여 진화하여야 한다.
현재까지 제안된 서비스 검색 프로토콜은 대부분 소규모의 유비쿼터스환경을 대상으로 하고 있으며, 최근에 몇몇 프로토콜이 대규모 유비쿼터스 환경을 위해 제안되었으나, 시맨틱 검색, 개인화된 검색 등과 같은 기능적 측면과 확장성(scalability), 서비스의 등록 및 검색을 위한 부하(load)를 다수의 검색 서버에 골고루 분산시키는 것과 같은 효용성 측면을 모두 만족시키는 데 어려움을 겪고 있다.
본 연구에서는 UbiSearch라 불리는 기능적 측면과 효용성 측면을 모두 만족시키는 서비스 검색 기법을 제안한다. 제안된 기법은 시맨틱 질의를 아주 적은 통신 비용으로 지원함과 동시에 시스템의 확장성 및 서버들 간의 균일한 부하 공유를 제공한다. 서비스의 시맨틱을 기술하기 위해 서비스는 애트리뷰트-밸류 페어(AV-pair) 세트(set)로 정의되고, 각 애트리뷰트 밸류의 시맨틱은 온톨로지 트리를 통해 기술되며, 두 서비스 간의 의미적 유사도는 애트리뷰트-밸류 페어 세트와 온톨로지 트리를 입력으로 하는 개인별 시맨틱 디스탄스 함수(semantic distance fucntion)에 의해 측정되어 진다.
네트워크 상에 존재하는 최적의 서비스를 찾기 위해, 각 서비스는 자신의 애트리뷰트-밸류 페어 세트에 따라 시맨틱 좌표가 부여받고 이를 이용해 서비스를 시맨틱 벡터 공간(semantic vector space) 상의 한 점으로 매핑 된다. 이 때 시맨틱 좌표는 시맨틱 벡터 공간에 매핑된 두 서비스의 점 사이의 거리가 그들간의 시맨틱 유사도와 반비례하도록 부여된다. 따라서, 시맨틱 백터 공간 상의 두 점 사이의 거리를 측정함으로써 그 점들에 대응되는 두 서비스 간의 유사도를 예측할 수 있게 된다. 시맨틱 벡터 공간은 여러개의 존(zone)으로 나뉘어 지고, 이 존들은 각 검색 서버에 할당 된다. 서비스는 자신의 시맨틱 좌표가 포함된 존을 관리하는 검색 서버에 등록이 되며, 결과적으로 의미적으로 유사한 서비스들이 인접한 서버에 등록되어 진다.이와 유사하게, 사용자가 원하는 서비스를 표현한 쿼리(query)또한 시맨틱 좌표를 부여 받고, 그에 따라 해당된 검색 서버로 라우팅 되게 된다. 따라서, 질의에 대응 되는 최적의 서비스를 찾기 위해서는 시맨틱 벡터 공간상에서 쿼리에 해당하는 위치를 중심으로 제한된 영역만을 찾으면 되기 때문에 비용이 최소화 될 수 있으며, 이 때 찾아야 될 영역의 크기는 사용자가 받아 들일 수 있는 시맨틱 디스탄스에 따라 결정된다. 서비스와 검색 서버들을 시맨틱 벡터 공간에 매핑 시킴으로써 검색 범위는 최소화 될수 있으며, 반면 검색 결과는 중앙 집중식 인덱스 기법을 사용하는 시스템에 필적할 만한 정확도를 얻을 수 있다. 따라서 본 연구에 제안된 기법은 확장성과 시맨틱 검색 기능을 동시에 지원한다.
각 검색 서버에서 서비스의 등록 및 쿼리 처리를 위해 발생되는 부하는 해당 서버가 관리하는 존에 얼마나 많은 서비스가 매핑 되느냐에 달려 있기 때문에 각 검색 서버 간에 균일한 부하 공유를 위해서는 각 서버가 되도록 비슷한 수의 서비스를 관리하도록 존의 크기가 관리 되어져야 하며, 통신 비용을 줄이기 위해서느 서비스 검색을 위해 방문하는 서버의수가 최소화 되어져야 한다. 이를 위해 본 연구에서는 시맨틱 부트스트레핑(bootstrapping)기법과 intelligent query propagation 및 one-hop neighbor registration announcement 기법 등이 제안되었다. 또한 사용자는 각 서비스 애트리뷰트에 대해 가중치를 정의함으로써 해당 애트리뷰트의 중요도를 시맨틱 디스탄스 함수에 반영 할 수 있으며, 이를 통해 사용자의 선호도가 서비스간의 의미적 유사도를 측정함에 있어 반영 될 수 있다.
