전체 텍스트 지원 퍼블리시/서브스크라이브 온톨로지 시스템

초록

본 논문은 RDF 스트림에 대한 실시간 매칭을 목표로, SPARQL에 ftcontains 연산자를 추가한 전체 텍스트 구독 모델을 제안한다. 메모리 기반 트라이와 해시 테이블을 활용한 인덱싱 알고리즘은 의미 매칭과 텍스트 매칭을 동시에 수행하며, 메트릭 기반 위치 선정과 주기적 재조직을 통해 수백만 개 구독에 대한 필터링 시간을 크게 단축한다. 실험은 DBpedia 초록 3.1 M 문서를 이용해 성능 향상을 입증한다.

상세 분석

이 연구는 기존 SPARQL이 제공하는 그래프 매칭 기능은 유지하면서, RDF 리터럴에 대한 정교한 전체 텍스트 검색을 가능하게 하는 ftcontains 연산자를 도입한다는 점에서 의미가 크다. ftcontains(?var, "economic" ftand "crisis")와 같은 구문은 변수에 바인딩된 문자열 리터럴에 대해 Boolean 연산자(ftand, ftor 등)와 근접·구문 매칭을 지원한다. 이를 위해 저자들은 두 단계의 인덱싱 구조를 설계하였다. 첫 번째는 의미 매칭을 위한 Semantic Match Table로, SPARQL 구독의 트리플 패턴을 두 단계 해시 테이블에 매핑해 조인 체인을 빠르게 탐색한다. 두 번째는 전체 텍스트 매칭을 위한 Property Hash Table이며, 여기서는 트라이 구조를 이용해 구독에 포함된 키워드 집합을 저장한다. 트라이는 공통 접두사를 공유하는 구독들을 하나의 노드에 모아 메모리 사용을 최소화하고, 키워드 해시 테이블이 트라이 루트에 대한 O(1) 접근을 보장한다.

인덱싱 과정에서 Metrics(예: 키워드 빈도, 구독 길이)를 활용해 트라이 숲 내 최적의 삽입 위치를 결정한다. 그러나 greedy 삽입은 구독 삽입 순서에 민감하므로, 일정 주기마다 Reorganization 단계에서 전체 구독을 재정렬하고 점수를 재계산한다. 이 과정은 삽입 비용을 약간 증가시키지만, 필터링 단계에서의 트리 탐색 깊이를 크게 줄여 전체 처리량을 향상시킨다.

성능 평가에서는 3.1 M개의 DBpedia 초록을 스트림 데이터로, 구독 수를 수십만에서 수백만까지 변동시켜 실험하였다. 결과는 (i) 메트릭 없이 단순 삽입, (ii) 메트릭만 사용, (iii) 메트릭과 재조직 모두 적용했을 때의 필터링 시간(ms/문서)을 비교한다. 특히 메트릭+재조직 조합은 평균 필터링 시간을 0.5 ms 이하로 낮추어, 실시간 퍼블리시/서브스크라이브 환경에 적합함을 보여준다.

이 논문의 주요 기여는 (1) SPARQL에 자연스러운 전체 텍스트 연산자를 통합한 언어 확장, (2) 의미와 텍스트 매칭을 동시에 지원하는 메모리 효율적인 인덱싱 구조, (3) 메트릭 기반 동적 최적화와 재조직을 통한 확장성 확보이다. 다만, 현재 구현은 메모리 내에서만 동작하므로 초대규모 데이터셋에 대한 디스크 기반 확장은 추가 연구가 필요하다.