[論文レビュー] Facetize: An Interactive Tool for Cleaning and Transforming Datasets for Facilitating Exploratory Search

Anna Kokolaki, Yannis Tzitzikas|arXiv (Cornell University)|Dec 27, 2018

Data Quality and Management参考文献 19被引用数 3

ひとこと要約

Facetize は、非技術的ユーザーが、CSV や SPARQL 結果などの静的または動的データセット（例：CSV、SPARQL 結果）を、フェイステッド検索に適した形式に、ガイド付きで視覚的な操作によってクリーニング・変換・構造化できる、インタラクティブで使いやすいエディタです。フィルタリング、値の置き換え、階層構造や区間の作成、導出属性の生成、地理的タグ付けといった、主なデータ準備作業をサポートしており、70%のタスク完了率を示す高い使いやすさがユーザーテストで確認されています。

ABSTRACT

There is a plethora of datasets in various formats which are usually stored in files, hosted in catalogs, or accessed through SPARQL endpoints. In most cases, these datasets cannot be straightforwardly explored by end users, for satisfying recall-oriented information needs. To fill this gap, in this paper we present the design and implementation of Facetize, an editor that allows users to transform (in an interactive manner) datasets, either static (i.e. stored in files), or dynamic (i.e. being the results of SPARQL queries), to datasets that can be directly explored effectively by themselves or other users. The latter (exploration) is achieved through the familiar interaction paradigm of Faceted Search (and Preference-enriched Faceted Search). Specifically in this paper we describe the requirements, we introduce the required set of transformations, and then we detail the functionality and the implementation of the editor Facetize that realizes these transformations. The supported operations cover a wide range of tasks (selection, visibility, deletions, edits, definition of hierarchies, intervals, derived attributes, and others) and Facetize enables the user to carry them out in a user-friendly and guided manner, without presupposing any technical background (regarding data representation or query languages). Finally we present the results of an evaluation with users. To the best of your knowledge, this is the first editor for this kind of tasks.

研究の動機と目的

• 平文のデータセット（例：CSV、SPARQL 結果）を、特に非技術的ユーザーが直接フェイステッド検索で探索できるようにすること。
• 生データセットをユーザーフレンドリーでフェイステッド検索に適した形式に変換するための基本要件を同定すること。
• プログラミングや技術的データ知識が不要な状態で、データクリーニング、変換、拡張を支援するインタラクティブエディタを設計・実装すること。
• 実世界のデータ準備シナリオにおけるツールの使いやすさと有効性を評価すること。
• 静的および動的データセットの両方の処理を可能とし、直接 SPARQL エンドポイント統合をサポートすること。

提案手法

• ユーザーが行のフィルタリング、値の編集、属性の削除または非表示などのデータ変換を実行できる、視覚的でガイド付きのインターフェースを提供する。
• 場所の階層構造などの階層的グルーピングや、価格帯などの数値区間の作成により、フェイステッドの使いやすさを向上させる。
• ルールベースのインターフェースを通じて、既存の値に基づいて導出属性（例：新しい「ペットと喫煙」フラグ）を定義できる。
• 地理的属性（緯度/経度）を明示的にマークすることで、後続のフェイステッド検索システムでの空間可視化を可能にする。
• 静的データセット（例：CSV ファイル）と動的データセット（SPARQL エンドポイント経由で取得）の両方をサポートし、プロジェクトの永続化により段階的な編集を可能にする。
• 変換ワークフローはプロジェクトベースのシステムで管理され、データセットの更新後もユーザーが定義した設定を保持できる。

実験結果

リサーチクエスチョン

• RQ1 非技術的ユーザーは、コードを書いたりクエリ言語を使わなかったりする状況で、どのようにして平文のデータセットをフェイステッド検索システムで使えるようにクリーニング・構造化できるか？
• RQ2 探索的検索の準備に適したデータセットを構築するうえで、最も効果的で直感的なデータ変換操作のセットは何か？
• RQ3 実世界のデータ準備タスクにおいて、インタラクティブでガイド付きのエディタの使いやすさは、従来のデータワラッピングツールと比べてどう異なるか？
• RQ4 Facetize のようなツールが、静的および動的データセット（例：SPARQL クエリ結果）を統合的かつ使いやすいインターフェースでどれだけ効果的にサポートできるか？
• RQ5 ガイド付きで視覚的な変換ワークフローが、データ準備におけるタスク完了成功率とエラーレートに与える影響は何か？

主な発見

• 70% のユーザーが、Hippalus などのフェイステッド検索システムに正しく読み込める形式のデータセットを生成するという、全タスクの完了に成功した。
• タスクに10〜15分を割り当てたユーザーが最も高い成功率を示し、効果的なデータ変換に適した時間投資が確認された。
• 最も成功したユーザーは1〜3件の誤りを犯していた（35%の成功率）が、誤りが一切ないユーザーの成功率は20%にとどまり、わずかな誤りがパフォーマンスに悪影響を及ぼさないことが示された。
• 40% のユーザーが Facetize を「非常に有用」と評価し、60% が「有用」と評価しており、参加者の中での強い価値認識が確認された。
• ユーザーの10%がタスクを放棄したが、失敗の多くはシステムの誤用に起因しており、インターフェース自体の欠陥によるものではなかった。
• 階層的グルーピング、区間の作成、導出属性の生成といった複雑な変換も、技術的バックグラウンドのないユーザーにとっても正常に機能した。