[論文レビュー] A Comprehensive Survey of Ontology Summarization: Measures and Methods

Seyed Amin Pouriyeh, Mehdi Allahyari+2 more|arXiv (Cornell University)|Jan 5, 2018

Semantic Web and Ontologies参考文献 31被引用数 5

ひとこと要約

本論文は、知識ウェブアプリケーションにおける大規模な意味ウェブ応用のためのオントロジー要約技術について包括的なサーベイを提示している。次数中心性、近接中心性、媒介中心性といった重要な指標を分析し、オントロジー内の重要なノードを同定する。構造的特徴、言語的特徴、意味的特徴を活用した要約生成手法を評価し、要約の理解を向上させるために柔軟でユーザーが調整可能なモデルの必要性を強調している。

ABSTRACT

The Semantic Web is becoming a large scale framework that enables data to be published, shared, and reused in the form of ontologies. The ontology which is considered as basic building block of semantic web consists of two layers including data and schema layer. With the current exponential development of ontologies in both data size and complexity of schemas, ontology understanding which is playing an important role in different tasks such as ontology engineering, ontology learning, etc., is becoming more difficult. Ontology summarization as a way to distill knowledge from an ontology and generate an abridge version to facilitate a better understanding is getting more attention recently. There are various approaches available for ontology summarization which are focusing on different measures in order to produce a proper summary for a given ontology. In this paper, we mainly focus on the common metrics which are using for ontology summarization and meet the state-of-the-art in ontology summarization.

研究の動機と目的

• 大規模な意味ウェブオントロジーにおける既存のオントロジー要約技術を分析・分類すること。
• オントロジー内のノードの重要性を測るためのキーメトリクス（次数、近接、媒介中心性など）を特定・評価すること。
• 構造的特徴、言語的特徴、意味的特徴が効果的なオントロジー要約にどのように寄与するかを検討すること。
• 現在の静的で抽出型の要約アプローチの限界を強調し、より柔軟でユーザーが調整可能なモデルの導入を提唱すること。
• 非抽出型要約を、オントロジーのタグ付けや知識表現の分野における有望な今後の方向性として探求すること。

提案手法

• オントロジーを G = (V, E) のグラフベースのモデルとして扱い、V はノード（概念／エンティティ）を、E は関係を表す。
• 次数中心性を用いて、入力・出力のエッジ数（式 1–2）によって局所的な重要性を測定する。
• 近接中心性を用いて、他のすべてのノードへの最短経路の平均長を計算することで、グローバルな到達可能性を評価する（式 3）。
• 媒介中心性を用いて、他のノード間の最短経路に最も多く含まれるノードを特定する（式 4）。
• 名前の単純さや人気度といった言語的特徴、密度や参照回数といった構造的特徴を統合する（Li ら [29]）。
• 次数中心性と頻度のハイブリッドスコア（式 21）を提案し、閾値ベースのフィルタリングを用いて候補選定を実施する。

実験結果

リサーチクエスチョン

• RQ1 オントロジー要約において、キーモジュールを特定するのに最も効果的な指標は何か？
• RQ2 構造的特徴、言語的特徴、意味的特徴は、オントロジー要約の質にどのように寄与するか？
• RQ3 現在の抽出型手法は、オントロジーの複雑さを低減する際、意味的に意味のある部分グラフをどれだけ保持しているか？
• RQ4 ユーザー固有の要件をオントロジー要約に統合することで、柔軟性と使いやすさをどのように向上できるか？
• RQ5 静的で事前に定義された要約モデルの限界は何か？非抽出型手法は要約品質をどのように向上させ得るか？

主な発見

• 次数中心性は、特に有向グラフにおいて、高い接続性を持つノードを効果的に同定できる。
• 近接中心性は、オントロジーのグラフ全体で中心的であるノードを特定するのを助け、要約の伝搬を高速化する。
• 媒介中心性は、オントロジーの異なる部分をつなぐブリッジとして機能するノードを強調し、ナビゲーションや統合においてしばしば重要である。
• 次数中心性と頻度の両方を組み合わせたハイブリッドモデル（例：関連度 = λ·DC + β·Fr）は、単一指標アプローチを上回り、代表的な概念をよりよく捉える。
• 現在の手法は主に抽出型であり、元のオントロジーから既存のノードを選択するため、柔軟性と意味的豊かさに制限がある。
• 非抽出型要約は、オントロジーのタグ付けや知識ベースの要約といった分野において、有望な代替手法として浮上している。