Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
JSON 데이터를 RDF로 변환하여 시맨틱 상호운용성을 확보하는 MetaConfigurator 워크플로를 제안합니다. AI를 활용해 RML 매핑, SPARQL 쿼리 생성, 지식 그래프 시각화를 통합적으로 지원하여 연구 데이터 관리의 기술적 장벽을 낮춥니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기과학적 워크플로 (Scientific workflows)는 교환하기는 쉽지만, 시맨틱 상호운용성 (semantic interoperability)의 부재로 인해 시스템 간에 일관되게 해석하기 어려운 구조화된 JSON 데이터를 점점 더 많이 생성하고 있습니다. JSON 스키마 (JSON Schema)는 구조적 검증을 보장하지만, 연결 데이터 (Linked Data) 시맨틱에 대한 네이티브 지원은 제공하지 않습니다. 본 논문은 오픈 소스 JSON 스키마 에디터인 MetaConfigurator를 확장한 RDF 저작 뷰 (RDF Authoring View)를 제시합니다. 이를 통해 연구자들은 AI 지원 RML 매핑 (RML mappings)을 사용하여 기존의 JSON, YAML 또는 CSV 데이터를 RDF로 변환하고, 트리플 (triples)을 정제하며, SPARQL 쿼리 (SPARQL queries)를 실행하고, 지식 그래프 (knowledge graphs)를 시각화하며, 단일 통합 웹 인터페이스 내에서 RDF 직렬화 (RDF serializations)를 내보낼 수 있습니다. 이 워크플로는 온톨로지 인식 IRI 자동 완성 (ontology-aware IRI auto-completion), JSON-LD 텍스트 뷰와 RDF 트리플 테이블 간의 양방향 동기화 (bidirectional synchronization), 그리고 자연어 힌트를 통한 AI 지원 SPARQL 쿼리 생성 기능을 지원합니다. 우리는 금속-유기 골격체 (MOF) 합성 실험의 실험실 데이터를 사용하여 이 워크플로를 입증합니다. 시약, 절차 단계 및 수량을 설명하는 프로토콜 데이터는 RML 매핑을 통해 JSON에서 온톨로지 기반의 JSON-LD로 변환됩니다. 그 후 우리는 시맨틱 표현을 정제하고, 실험 조건과 결과 사이의 관계를 쿼리하며, 결과로 생성된 지식 그래프를 대화형으로 탐색합니다. 이 통합 환경은 실험적 맥락을 보존하고 AI 지원을 통해 기술적 장벽을 낮추는 동시에, 전통적인 구조화된 데이터 관리와 시맨틱 웹 (Semantic Web) 기술 사이의 가교 역할을 합니다.