[論文レビュー] Annex: Radon - Rapid Discovery of Topological Relations

Mohamed Ahmed Sherif, K. A. Dressler+2 more|arXiv (Cornell University)|Nov 18, 2016

Semantic Web and Ontologies参考文献 13被引用数 3

ひとこと要約

Radon は、スパarsなタイリングインデックスと最小バウンディングボックス（MBB）フィルタリングを用いて、地理空間RDFリソース間のトポロジカル関係を高速に発見する、新規で高効率なシステムである。実世界のデータセットにおいて100%のF-measure精度を維持しながら、最新のツール（Silk や Strabon）と比較して最大3桁の高速化を達成している。

ABSTRACT

Datasets containing geo-spatial resources are increasingly being represented according to the Linked Data principles. Several time-efficient approaches for discovering links between RDF resources have been developed over the last years. However, the time-efficient discovery of topological relations between geospatial resources has been paid little attention to. We address this research gap by presenting Radon, a novel approach for the rapid computation of topological relations between geo-spatial resources. Our approach uses a sparse tiling index in combination with minimum bounding boxes to reduce the computation time of topological relations. Our evaluation of Radon's runtime on 45 datasets and in more than 800 experiments shows that it outperforms the state of the art by up to 3 orders of magnitude while maintaining an F-measure of 100%. Moreover, our experiments suggest that Radon scales up well when implemented in parallel.

研究の動機と目的

• RDF/リンクドデータにおける地理空間リソース間のトポロジカル関係を発見するスケーラブルで効率的な手法の不足に対処すること。
• 大規模な地理空間データセットにおけるペアワイズのトポロジカル関係計算の計算ボトルネックを克服すること。
• 実行時間の大幅な短縮を実現しながらも、完全性と正しさ（F-measure = 100%）を維持する手法を開発すること。
• 大規模な地理空間知識グラフ上で機械学習や質問応答などのリアルタイム応用を可能にすること。
• 現代の大規模な地理空間リンクドデータワークロードに適したスケーラブルで並列処理可能なソリューションを提供すること。

提案手法

• 地理空間RDFデータセット内のリソースを効率的に整理・アクセスするための、新規のスパarsな空間タイリングインデックスを提案する。
• 2つのジオメトリがトポロジカル関係を持ち得ない可能性があるペアを事前にフィルタリングするため、最小バウンディングボックス（MBB）近似を採用する。
• 2つのジオメトリ間のトポロジカル関係を定義・計算する正式な基盤として、DE-9IMモデルを用いる。
• 重複しない、または隣接しないジオメトリに対しては、高コストな完全なDE-9IM計算を回避するためのフィルタリング戦略を適用する。
• スパarsなタイリングインデックスとMBBフィルタリングを統合し、完全なトポロジカル関係チェックの回数を削減する。
• ラウンドロビン方式のロードバランシングを用いた並列実行をサポートし、実験で強い水平スケーラビリティを示している。

実験結果

リサーチクエスチョン

• RQ1 スパarsなタイリングインデックスとMBBフィルタリングを組み合わせることで、地理空間RDFリソース間のトポロジカル関係の計算に要する時間が著しく短縮されるか？
• RQ2 Radon のパフォーマンスは、Silk や Strabon などの最新技術のシステムと比較して、実行時間とスケーラビリティの面でどの程度優れているか？
• RQ3 MBBに基づくフィルタリング戦略は、完全なDE-9IM計算の回数をどの程度削減するか？
• RQ4 Radon は高いパフォーマンスを達成しながらも、完全性と正しさ（つまり100%のF-measure）を維持しているか？
• RQ5 非常に大規模な地理空間データセットを処理する際、Radon は他のタイムアウトを起こすシステムと比較してどの程度スケーリングするか？

主な発見

• Radon は45のデータセットおよび800以上の実験において、最新技術（例：Silk）を最大3桁の速度向上で上回っている。
• 平均して Radon は Strabon より11.99倍速く、『インタセクト』を除くすべての関係で顕著な性能向上を示している。『インタセクト』に関しては、Strabon のRツリーインデックスのおかげでわずかに優位である。
• 大規模なCLC_mデータセットを用いたスケーラビリティ実験では、Radon は約95.10分で完了したが、Strabon は2時間でタイムアウトし、線形スケーリングを仮定すると20.17時間（241倍の高速化）を要すると推定される。
• Radon におけるMBBベースのフィルタリング戦略は、既存のアプローチよりも完全なDE-9IM計算の回数をより効果的に削減しており、パフォーマンス向上に寄与している。
• Radon はすべての実験で100%のF-measureを維持しており、トポロジカル関係の発見において正しくかつ完全であることを証明している。
• 並列実行においても良好なスケーリングを示しており、粒子群最適化などの高度なロードバランシング技術を導入することで、さらなるパフォーマンス向上が見込まれる。