[論文レビュー] Domain Specific Semantic Validation of Schema.org Annotations

Umutcan Şimşek, Elias Kärle+2 more|arXiv (Cornell University)|Jun 20, 2017

Semantic Web and Ontologies被引用数 1

ひとこと要約

本稿では、ドメイン固有の方法でschema.orgの注釈の妥当性を検証するルールベースのアプローチを提案しており、完全性と意味的整合性を保証する。ドメイン専門家がschema.orgのカスタムサブセットと検証ルールを定義できるようにし、ウェブベースのツールを通じてこれを実装する。観光分野における実際のホテルデータを用いた実証実験で成功を収めた。

ABSTRACT

Since its unveiling in 2011, schema.org has become the de facto standard for publishing semantically described structured data on the web, typically in the form of web page annotations. The increasing adoption of schema.org facilitates the growth of the web of data, as well as the development of automated agents that operate on this data. Schema.org is a large heterogeneous vocabulary that covers many domains. This is obviously not a bug, but a feature, since schema.org aims to describe almost everything on the web, and the web is huge. However, the heterogeneity of schema.org may cause a side effect, which is the challenge of picking the right classes and properties for an annotation in a certain domain, as well as keeping the annotation semantically consistent. In this work, we introduce our rule based approach and an implementation of it for validating schema.org annotations from two aspects: (a) the completeness of the annotations in terms of a specified domain, (b) the semantic consistency of the values based on pre-defined rules. We demonstrate our approach in the tourism domain.

研究の動機と目的

• ドメイン固有の文脈におけるschema.orgの注釈の不整合性や不完全性の課題に対処すること。
• ドメイン専門家が自ドメインに適したschema.orgのサブセットと検証ルールを定義できる方法を提供すること。
• 意味的整合性と完全性を保証する実用的でウェブベースのツールを開発すること。
• 特に「ヘッドレスウェブ」時代において可視性を確保したい中小企業を支援するため、構造化ウェブデータの品質を向上させること。
• データの正確性が極めて重要な分野（例：観光）において、高品質で機械読み取り可能な構造化データの採用を支援すること。

提案手法

• ドメイン専門家がドメイン定義インターフェースを用いて、schema.orgのクラスおよびプロパティのドメイン固有サブセットを定義する。
• ルールデザイナーを介して検証ルールを作成し、意味的整合性の条件（例：国コードは住所の国と一致する必要がある）を指定する。
• 検証ツールはまず注釈の文法的正しさをチェックする。
• 次に、必須プロパティ（例：currenciesAccepted）が存在するかを確認することで完全性を検証する。
• 意味的整合性は、注釈データに対してルールを評価することで強制され、整合性のないケースには警告が発行される。
• システムはユーザーインターフェースを備えたウェブアプリケーションとして実装されており、入力、ルール管理、検証フィードバックの機能を提供する。

実験結果

リサーチクエスチョン

• RQ1 どのようにドメイン固有のschema.orgサブセットを定義することで、特殊分野における注釈品質を向上させられるか？
• RQ2 どのようにしてschema.orgの注釈の完全性と意味的整合性の両方を保証できるか？
• RQ3 ルールベースの検証を、非専門家ユーザーにとって実用的で使いやすいツールに効果的に統合できるか？
• RQ4 このようなシステムは、特に観光分野において、実際のschema.orgの注釈における誤りをどの程度削減できるか？
• RQ5 schema.orgが推奨するマルチタイプエンティティ（例：ホテルがLodgingBusinessおよびProductの両方の型として定義される）をサポートするには、どのように拡張できるか？

主な発見

• 検証ツールは、実際のホテル注釈において、currenciesAcceptedなどの必須プロパティが欠落していることを正常に検出できた。
• システムは、電話番号の国コードと住所の国が一致しない意味的整合性の欠如を特定したが、Googleの構造化データテストツールのような標準ツールでは検出できない事例であった。
• 欠落したプロパティと不一致の国コードを修正した後、システムは注釈が正当であると確認した。
• 本アプローチは、実世界の観光分野のユースケースにおいて実現可能性と実用性を示しており、中小企業にとって明確な価値を提供した。
• ツールのアーキテクチャは拡張性を備えており、将来的にSHACLなどの標準と統合する可能性を有する。
• 現在のシステムはマルチタイプエンティティ（例：ホテルがLodgingBusinessおよびProductの両方として定義される場合）をサポートしていないため、将来的な強化が求められる。