문맥 인식 서비스 적응을 위한 온톨로지 기반 아키텍처

초록

본 논문은 온톨로지를 활용해 컨텍스트를 형식화하고, WSMO 확장을 통해 서비스 적응 메커니즘을 제공하는 온톨로지 지향 아키텍처를 제안한다. 컨텍스트 캡처·표현·추론·관리·재사용의 전 과정을 통합하고, 기존 연구와 차별화된 이유는 온톨로지 기반의 고급 추론과 서비스 적응을 하나의 프레임워크에 결합한 점이다.

상세 분석

이 논문은 유비쿼터스 컴퓨팅 환경에서 컨텍스트 인식 서비스(CAS)의 핵심 과제인 “컨텍스트 모델링·추론·서비스 적응”을 온톨로지라는 통일된 지식 표현 수단으로 해결하고자 한다. 먼저, 저자들은 Dey의 “any information that can be used to characterize the situation of an entity” 정의를 채택해 컨텍스트를 광범위하고 유연하게 정의한다. 이를 기반으로 기존의 키‑값, 마크업, 그래픽, 객체지향, 논리 기반 모델을 비교 분석하고, 온톨로지 기반 모델이 지식 공유, 선언적 의미론, 효율적 추론, 서비스 상호운용성 측면에서 가장 우수함을 강조한다.

제안된 아키텍처는 크게 네 개의 계층으로 구성된다. (1) 센서·디바이스 레이어는 물리적 컨텍스트 데이터를 수집하고, (2) 컨텍스트 캡처·해석 레이어는 수집된 데이터를 온톨로지 인스턴스로 변환한다. 여기서 RDF/OWL 기반의 컨텍스트 온톨로지가 핵심 역할을 하며, 상위 온톨로지는 도메인‑불변 개념(시간, 위치, 사용자 등)을, 하위 온톨로지는 의료·스마트 홈 등 특정 도메인에 맞춰 확장된다. (3) 추론 레이어는 OWL DL 추론기와 규칙 엔진을 이용해 고수준 상황(contextual situation)을 도출하고, 상황 변화에 따라 트리거를 생성한다. (4) 서비스 적응 레이어는 WSMO(웹 서비스 메타‑오브젝트) 확장을 통해 상황 트리거와 서비스 매핑을 정의한다. 저자들은 WSMO‑‑WSMO‑Lite에 “adaptation” 메타‑오브젝트를 추가해, 상황에 따라 서비스 파라미터를 동적으로 재구성하거나 대체 서비스를 호출하도록 설계하였다.

특히, 논문은 기존 SOCAM, CONON 등 온톨로지 기반 미들웨어가 센서 선택·서비스 적응을 충분히 지원하지 못한 점을 지적하고, 제안 아키텍처는 (①) 센서 추상화 인터페이스, (②) 상황 기반 규칙 정의, (③) 서비스 적응 로직을 온톨로지와 WSMO 메타데이터에 일관되게 통합함으로써 이러한 한계를 극복한다. 또한, 컨텍스트 재사용과 유효성 관리 메커니즘을 포함해, 오래된 컨텍스트가 자동으로 폐기되고 최신 상황만이 서비스 적응에 활용되도록 설계하였다.

이러한 설계는 모델‑드리븐 접근과 규칙‑기반 추론을 결합한 하이브리드 형태이며, 개발자는 UML 기반 프로파일(예: ContextUML)로 고수준 모델을 작성하고, 자동 변환 도구를 통해 온톨로지와 WSMO 정의로 매핑할 수 있다. 결과적으로, 개발자는 컨텍스트 캡처·표현·추론·서비스 적응을 별도 모듈로 구현할 필요 없이, 하나의 온톨로지·WSMO 기반 프레임워크 안에서 일관된 워크플로우를 구현할 수 있다.