무안 한옥마을 화재 대응 온톨로지 학습 데모
OWL 묶기 · CSV→RDF 매핑 · 자동 추론 · 룰 엔진 — 엔지니어 학습자용
우리가 함께 쌓은 11개의 깨달음 — 데모를 보기 전에 먼저 읽어주세요
RDF → OWL → 왜 쓰나 → 시나리오 vs 추론 → 묶기 3종 → 뉴로심볼릭 → 현존재 차원 → 4가지 설계 원칙 → 본 데모 한계 → LLM이 대체할까? → 마무리
학습 여정을 읽은 뒤, 실제 동작을 확인해보세요
묶기·매핑·결과의 3단 구조
실제 공공데이터 형식의 평평한 CSV. 무안 한옥마을 시나리오 호환.
OWL 클래스 계층(묶기) + CSV→RDF 매핑 규칙(매핑).
매핑된 사실(ASSERTED) + Reasoner 자동 추론(INFERRED).
ontology.ttl 한 줄 + mapping_rules.yaml 한 줄 = 끝. 룰은 영원히 그대로.
데이터·온톨로지·시각화·문서
엔지니어 학습자가 실제 데이터셋 위에서 온톨로지를 어떻게 설계하고 구성하는지 따라할 수 있도록 만든 학습 데모입니다. 무안 한옥마을 화재 대응 시나리오를 anchor로 사용합니다.
묶기 (bundling)는 OWL 클래스 계층으로 표현됩니다 — Hanok ⊑ TraditionalClusterMember ⊑ Building. 매핑 (mapping)은 declarative yaml로 분리됩니다 — CSV 컬럼이 어느 ontology property로 가는지 사람이 읽을 수 있게.
자동 추론 (reasoning)은 forward-chaining으로 시연됩니다 — 사람이 적은 7개 사실에서 컴퓨터가 14개 새 사실을 끌어냅니다. 시나리오 vs 추론의 비용 차이도 두 케이스(한옥카페 추가, 기관명 개편)로 보여줍니다.
기준 시나리오는 ruledata #how의 무안 한옥마을 #B-3021 (트리거 0.85, 5 dispatches + 6 notifications)와 1:1 호환.