[論文レビュー] Exploration and Visualization in the Web of Big Linked Data: A Survey of the State of the Art

Nikos Bikakis, Timos Sellis|arXiv (Cornell University)|Jan 29, 2016

Semantic Web and Ontologies被引用数 70

ひとこと要約

本調査は、ビッグリンクドデータのための探索および可視化システムを検討し、スケーラビリティとパフォーマンスを重要な課題として特定する。データベースおよび可視化コミュニティからの最新のアプローチを評価し、リンクドデータのウェブ（WoD）システムを分析することで、主にメモリ内処理に依存し、サンプリングや集計などの近似技術が欠如しているため、大規模かつ動的なデータセットを効果的に処理できない広範な課題が明らかになった。

ABSTRACT

Data exploration and visualization systems are of great importance in the Big Data era. Exploring and visualizing very large datasets has become a major research challenge, of which scalability is a vital requirement. In this survey, we describe the major prerequisites and challenges that should be addressed by the modern exploration and visualization systems. Considering these challenges, we present how state-of-the-art approaches from the Database and Information Visualization communities attempt to handle them. Finally, we survey the systems developed by Semantic Web community in the context of the Web of Linked Data, and discuss to which extent these satisfy the contemporary requirements.

研究の動機と目的

• ビッグデータ時代における大規模で動的かつ多様なデータセットを探索・可視化する際の主な課題を特定すること。
• 従来のデータベースおよび情報可視化システムが、大規模データ探索におけるスケーラビリティとインタラクティブ性をどのように対応しているかを評価すること。
• Web of Linked Data（WoD）システムが、現代の要件としてのスケーラビリティ、パフォーマンス、ユーザーのカスタマイズ性をどの程度満たしているかを評価すること。
• 既存のWoDシステムの限界、特にメモリ内処理に依存していることや近似技術が欠如していることの特徴を強調すること。
• ビッグリンクドデータのためのスケーラブルで、インタラクティブかつユーザーに配慮した探索および可視化システムを構築するための今後の研究方向性を提案すること。

提案手法

• データベースおよび情報可視化コミュニティから既存のデータ探索および可視化システムを調査・分類すること。
• WoD固有のシステム（例：Sgvizler、Visualbox、LDVizWiz）を分析し、データ型、可視化タイプ、スケーラビリティメカニズムのサポートを評価すること。
• サンプリング、フィルタリング、集計などの近似技術の使用に基づいて、大規模データセットを管理するためのシステムの評価。
• 外部ストレージの使用や動的データ取得の有無を検討することで、メモリ使用量とI/O効率を評価すること。
• グラフベースの可視化システムを検討し、大規模RDFグラフの処理における制限を特定し、階層的抽象化やディスクベースのアプローチの提案を行うこと。
• スケーラビリティと応答性を向上させるために、高度なデータ構造（例：Nanocubes、HETree）およびキャッシュ/プリフェッチ技術の統合を提案すること。

実験結果

リサーチクエスチョン

• RQ1 現在のWeb of Linked Dataシステムは、大規模で動的なデータセットのスケーラブルな探索をどの程度サポートしているか？
• RQ2 既存の可視化システムは、限られたスクリーン領域に数十億個のデータオブジェクトをレンダリングする際、どのように視覚的スケーラビリティを確保しているか？
• RQ3 サンプリング、集計、フィルタリングなどの近似技術が、WoDシステムにおけるスケーラブルなデータ探索を可能にする役割は何か？
• RQ4 なぜ大多数のWoDシステムが大規模データセットとの効率的なインタラクションをサポートできないのか？どのようなアーキテクチャ的変更が必要か？
• RQ5 ユーザーの好みやインタラクションパターンを活用することで、大規模データ探索システムの使いやすさとカスタマイズ性をどのように向上させられるか？

主な発見

• 多くのWoD探索および可視化システムは、スケーラビリティをサポートしていない。これは、全データセットをメインメモリにロードする必要があるため、小規模なデータセットに限定される。
• SynopsViz や VizBoard のような少数のシステムのみが、インクリメンタルなデータ取得やサンプリングといった近似技術を採用しており、これらは大規模データ処理に不可欠である。
• WoDシステムの大多数はディスクベースのストレージやキャッシュメカニズムを使用していないため、大規模またはストリーミングデータセットではパフォーマンスが著しく劣る。
• RDFデータのためのグラフベースの可視化システムは、レイアウトアルゴリズムの高メモリ使用量のためスケーリングに失敗することが多く、階層的集約やエッジバンドリングのサポートもほとんどない。
• ユーザーのインタラクションパターンとシステムの応答性の統合が不十分であり、少数のシステムを除き、パーソナライズドレコメンデーションや適応型可視化戦略を提供していない。
• Nanocubes（時空間データ向け）やHETree（数値データ向け）といった、WoDワークロードに特化したスケーラブルなデータ構造の欠如が、現代のシステムのパフォーマンスを制限している。