A Dereferenceable Web Resource Structure with Rule Validation: A Case Study on Air Quality Observation Data

AI 에이전트가 역참조한 값이 허용 범위와 단위, 항목 간 규칙을 지키는지 확정적으로 검증하는 계층은 기존 데이터 명세에 없다. 본 논문은 자연어 컨텍스트, 의미·타입 명세(JSON-LD), 검증 규칙(SHACL·JSON 스키마)의 세 계층으로 구성된 역참조 웹 자원 구조를 제안한다. 대기질 관측 데이터에서 규칙 계층 유무와 표현 방식을 달리한 6가지 조건을 통제 실험으로 비교하였다. JSON 스키마로 규칙을 제공한 조건은 정상 값 오탐률을 0.67에서 0.03으로 낮춰 판정 정확성에서 기준선을 유의하게 앞섰고, 극한값의 경고 구분은 두 방식 모두 기준선을 앞섰다(0.95·0.90 대 0). 반면 SHACL로 제공한 조건은 판정 정확성을 높이지 못하고 사전에 정한 비용 범위를 넘었으며, 관계형 정합과 명세 모순 검출에서는 이점이 없었다. 검증 도구의 자발적 호출은 드물어 이득은 형식으로 제공된 규칙 자체의 효과로 해석되며, 두 방식의 우열은 실험 에이전트의 문법 친숙도에 조건부다.