SNOMED CT는 대규모 개념의 계층적 표현을 가진 생물의학 온톨로지이다. SNOMED CT 내 지식 검색은 중요하지만, 언어의 모호성, 동의어, 다의어 등으로 인해 어려움이 있다. 특히, 쿼리가 온톨로지에 일치하는 항목이 없는 OOV(Out-of-Vocabulary)일 때 문제가 심화된다. 본 연구에서는 OOV 쿼리를 사용한 SNOMED CT에서 계층적 개념 검색 문제를 해결하고자, 언어 모델 기반 온톨로지 임베딩을 기반으로 하는 접근 방식을 제안한다. SBERT 및 두 가지 어휘 매칭 방법을 포함한 기본 모델보다 성능이 우수함을 확인했다. 본 연구의 접근 방식은 SNOMED CT에 적용되었지만, 다른 온톨로지로 일반화될 수 있다.
