[論文レビュー] Collaboratively Patching Linked Data

Magnus Knuth, Johannes Hercher+1 more|arXiv (Cornell University)|Apr 12, 2012

Semantic Web and Ontologies参考文献 8被引用数 14

ひとこと要約

この論文は、標準化されたオントロジー（PatchR）と中央集権的なリポジトリを用いて、リンクドデータ内の誤った事実を特定・共有・適用するための協働フレームワークを提案する。DBpediaなどの分散型リンクドデータソースにおけるデータ品質を向上させるために、クラウドソーシングゲーム（WhoKnows?）からのユーザーのフィードバックを統合することで、効率的で再利用可能かつ意味的に表現力のあるデータキュレーションを実現する。

ABSTRACT

Today's Web of Data is noisy. Linked Data often needs extensive preprocessing to enable efficient use of heterogeneous resources. While consistent and valid data provides the key to efficient data processing and aggregation we are facing two main challenges: (1st) Identification of erroneous facts and tracking their origins in dynamically connected datasets is a difficult task, and (2nd) efforts in the curation of deficient facts in Linked Data are exchanged rather rarely. Since erroneous data often is duplicated and (re-)distributed by mashup applications it is not only the responsibility of a few original publishers to keep their data tidy, but progresses to be a mission for all distributers and consumers of Linked Data too. We present a new approach to expose and to reuse patches on erroneous data to enhance and to add quality information to the Web of Data. The feasibility of our approach is demonstrated by example of a collaborative game that patches statements in DBpedia data and provides notifications for relevant changes.

研究の動機と目的

• データ品質と統合を損なう不整合で誤ったリンクドデータの課題に対処すること。
• ユーザーが誤った事実の修正パッチを報告・共有できるようにすることで、データ欠陏の協働的キュレーションを可能にすること。
• リンクドデータとしてのデータパッチの記述と交換を標準化され、機械処理可能な方法で提供すること。
• データ消費者およびデータ発行者双方が検証済みのデータ修正を再利用・適用できるようにすること。
• ゲームベースのシステムを通じて、DBpedia向けのパッチ収集と公開の実現可能性を示すこと。

提案手法

• 著者らは、ターゲットデータセット、更新指示、擁護者、出典などのメタデータを含む、パッチを最初等のリンクドデータリソースとして表現する新しいオントロジー、PatchRを定義する。
• パッチは、ターゲットグラフに適用可能なSPARQL UPDATEクエリとして表現され、機械実行可能であることを保証する。
• 中央集権的なパッチリポジトリが、SPARQLエンドポイントを介してすべてのパッチリクエストを格納・公開し、発見と再利用を可能にする。
• ユーザーインターフェース（PatchR UI）により、ユーザーは最近のおよび人気のあるパッチを参照・検索・可視化でき、修正の元となるWikipediaページへの直接リンクが提供される。
• システムは、DBpediaの事実に関するユーザーのフィードバックを収集するゲーム（WhoKnows?）と統合されており、それを形式的なパッチリクエストに変換する。
• 人間主導のキュレーションに加え、アルゴリズム的データキュレーションパイプラインとの統合も可能である。

実験結果

リサーチクエスチョン

• RQ1 誤った事実がリンクドデータにおいて、体系的に特定され、再利用可能で機械処理可能な更新として表現できるか。
• RQ2 データ消費者と発行者間での協働的リンクドデータ品質キュレーションを実現するためのメカニズムは何か。
• RQ3 インタラクティブシステムからのユーザーのフィードバックが、意味的に豊かで共有可能なデータパッチにどのように変換できるか。
• RQ4 パッチ表現の標準化が、データキュレーションにおける相互運用性と信頼性をどのように高めるか。
• RQ5 分散型リンクドデータリポジトリ間で、パッチが効率的に発見・選択・適用できるか。

主な発見

• PatchRオントロジーは、ターゲットグラフ、更新操作、出典メタデータを含む、正式で標準化された形でのデータパッチのリンクドデータとしての表現を成功裏に実現した。
• SPARQLエンドポイントを介してアクセス可能なパッチリポジトリは、パッチの公開的発見と再利用を可能にし、大規模なデータキュレーションの実現可能性を示した。
• WhoKnows?ゲームとの統合により、DBpediaに関する実際のユーザーのフィードバックが収集され、プロトタイプで159件の形式的パッチリクエストに変換された。
• Wikipediaページへの直接リンクが提供されたことで、ユーザーがエラーの原因元で修正でき、将来のDBpediaダンプにおける再発生を防ぐことができた。
• システムは人間主導とアルゴリズム的キュレーションパイプラインの両方をサポートしており、データ発行者やアグリゲーターによる広範な採用の可能性を示した。
• エラー検出と修正適用の分離に加え、出典と擁護による信頼性の確保により、効率的でスケーラブルかつ相互運用可能なデータキュレーションが可能になった。