[論文レビュー] Discovering Links for Metadata Enrichment on Computer Science Papers

Johann Schaible, Philipp Mayr|arXiv (Cornell University)|Dec 15, 2012

Semantic Web and Ontologies参考文献 3被引用数 4

ひとこと要約

本論文は、リンクデータ技術を用いて、コンピュータサイエンス論文のスパarsなメタデータを自動で豊かにするための概念実証を提示する。初期の論文記録とDBLP、ACM、セマンティックウェブ会議コーパスなどの外部データソースとの間で、Silkリンク発見ツールを活用してowl:sameAsリンクを特定することで、手動での検索作業を削減する自動メタデータ豊かさ向上が可能となり、リンク検出の正確性とスケーラビリティの面で有望な結果が得られた。

ABSTRACT

At the very beginning of compiling a bibliography, usually only basic information, such as title, authors and publication date of an item are known. In order to gather additional information about a specific item, one typically has to search the library catalog or use a web search engine. This look-up procedure implies a manual effort for every single item of a bibliography. In this technical report we present a proof of concept which utilizes Linked Data technology for the simple enrichment of sparse metadata sets. This is done by discovering owl:sameAs links be- tween an initial set of computer science papers and resources from external data sources like DBLP, ACM and the Semantic Web Conference Corpus. In this report, we demonstrate how the link discovery tool Silk is used to detect additional information and to enrich an initial set of records in the computer science domain. The pros and cons of silk as link discovery tool are summarized in the end.

研究の動機と目的

• 外部データリンクの自動発見により、書誌的メタデータ豊かさ向上にかかる手動作業を削減すること。
• リンクデータ技術を用いたコンピュータサイエンス出版物におけるスパarsなメタデータの強化の実現可能性を評価すること。
• Silkリンク発見ツールが、論文記録と外部知識ベースとの間で意味的マッチングを同定する上で有効であることを実証すること。
• デジタル図書館および学術的メタデータの文脈において、Silkのリンク発見の強みと限界を分析すること。

提案手法

• 初期の論文メタデータと外部データソース（例：DBLP、ACM、セマンティックウェブ会議コーパス）との間でowl:sameAs関係を検出するために、Silkリンク発見フレームワークを活用すること。
• スキーマ整合とレコードマッチングを介して、初期のコンピュータサイエンス論文の基本的メタデータ（題名、著者、出版日）を外部エンティティにマッピングすること。
• テキスト的および構造的類似性に基づいて、潜在的なsame-asリンクを同定するためのヒューリスティックおよびルールベースのマッチング戦略を適用すること。
• 手動による検証を通じて、発見されたリンクの正確性を評価し、リンク発見プロセスの正確性と再現率を測定すること。
• 豊かにされたメタデータを知識ベースに統合し、強化された書誌的発見およびデータ統合を支援すること。

実験結果

リサーチクエスチョン

• RQ1 自動リンク発見ツールは、スパarsな論文メタデータと外部学術的知識ベースとの間で意味的マッチングを効果的に同定できるか？
• RQ2 Silkフレームワークは、コンピュータサイエンス論文のowl:sameAsリンクを発見する際に、正確性とスケーラビリティに優れているか？
• RQ3 リンクデータを用いたデジタル図書館におけるメタデータ豊かさ向上に、実用的な利点と限界は何か？
• RQ4 リンク発見は、書誌的メタデータを豊かにするために必要な手動作業をどの程度削減できるか？

主な発見

• Silkツールは、初期の論文記録とDBLP や ACM などの外部ソースとの間で、顕著な数の有効なowl:sameAsリンクを正常に発見した。
• 自動的に関連するメタデータエントリを同定・リンクすることで、手動での検索作業の必要性が顕著に削減された。
• リンク発見の正確性は高く、検出されたリンクの多くが意味的に正しいことが確認された。
• 本手法は、異なるメタデータソースや出版タイプにわたり、スケーラビリティと再利用可能性を示した。