효율적인 공간분석질의 수행을 위한 한국형 공간지식그래프 구축방안에 관한 연구: 서울시를 대상으로 = A Study on Construction of Koreanized Geo-Knowledge Graph for Efficient Geo-anlytical Question: In Seoul Region

다국어 초록 (Multilingual Abstract)

Among the fields of GeoQA, geo-analytical question has the difficulty in terms of ambiguity and complex spatial computation. In this study, we propose a method of solving geo-analytical questions in a graph traverse method by pre-computing and storing spatial relation as relationships in a knowledge graph. We demonstrate a Koreanized GeoKG of the Seoul region. In order to improve the limitations of existing GeoKGs, we utilize WorldKG that has the advantage of having various kinds of POI and public data with administrative districts and major POI information. Based upon the example scenarios, the Koreanized GeoKG solves the problems of spatial operation and inaccurate information compared to the existing GeoKGs. By solving the problem of overlapping administrative district names, the Koreanized GeoKG proposes a scalable construction procedure, demonstrating the possibility to build a comprehensive GeoKG for the entire Republic of Korea.

국문 초록 (Abstract)

공간질의응답 분야 중에서 공간분석질의는 모호한 단어와 복잡한 공간연산의 문제점을 가지고 있다. 본 연구에서는 공간적인 관계를 사전연산하고 지식그래프에 저장해 그래프 탐색방식으로 공간분석질의를 해결하는 방안을 제시하였고, 서울 전역을 대상으로 실험을 진행하였다. 기존의 공간지식그래프의 문제점을 개선하기 위해 다양한 종류의 point of interest(POI)를 다루는 WorldKG와 공공데이터에서 취득한 행정구역 및 주요 POI 정보를 융합하였다. 질의 시나리오를 기반으로 결과를 비교해보았을 때, 기존의 공간지식그래프가 해결하지 못하는 공간연산과 부정확한 정보에 대한 문제점을 한국형 공간지식그래프가 해결함을 확인하였다. 또한, 중복되는 행정구역명에 대한문제점을 해결하며 성공적으로 서울시의 공간지식그래프를 구축해 본 연구에서 제시한 구축방안으로 대한민국 전역에 대한 공간지식그래프 구축이 가능함을 확인하였다.

참고문헌 (Reference)

• 1 Hoffart, J., "YAGO2: A spatially and temporally enhanced knowledge base from Wikipedia" 194 : 28-61, 2013
• 2 Dsouza, A., "Worldkg: A world-scale geographic knowledge graph" 4475-4484, 2021
• 3 Hamzei, E., "Translating Place-Related Questions to GeoSPARQL Queries" 902-911, 2022
• 4 Punjani, D., "Templatebased question answering over linked geospatial data" 1-10, 2018
• 5 Saxena, A., "Question answering over temporal knowledge graphs"
• 6 Ordanance Survey, "Point of Interest Classification Scheme, Research report" Ordanance Survey 1-16, 2021
• 7 Li, H., "Neural factoid geospatial question answering" (23) : 65-90, 2021
• 8 Nguyen, T., "MS MARCO: A human generated machine reading comprehension dataset" 2016
• 9 Tempelmeier, N., "Linking OpenStreetMap with knowledge graphs—Link discovery for schema-agnostic volunteered geographic information" 116 : 349-364, 2021
• 10 Oh, S., "Infra 21 seminar-Korea POI Construction Status and Future Direction" Korea Research Institute for Human Settlements 152-157, 2006
• 11 Mai, G., "Geographic question answering: challenges, uniqueness, classification, and future directions" 2 : 1-21, 2021
• 12 Scheider, S., "Geo-analytical question-answering with GIS" 14 (14): 1-14, 2021
• 13 Karalis, N., "Extending the YAGO2 knowledge graph with precise geospatial knowledge" Springer 181-197, 2019
• 14 Regalia, B., "Computing and querying strict, approximate, and metrically refined topological relations in linked geographic data" 23 (23): 601-619, 2019
• 15 Lu, R., "A Survey of Knowledge Reasoning based on KG" 569 (569): 052058-, 2019