[論文レビュー] Ontology alignment repair through modularization and confidence-based heuristics

Emanuel Santos, Daniel Faria+2 more|arXiv (Cornell University)|Jul 19, 2013

Semantic Web and Ontologies被引用数 8

ひとこと要約

本稿では、論理的整合性を損なう断片を分離するためにオントロジーモジュラー化を用い、信頼度に基づくヒューリスティクスを適用することで、整合性の損なわれることと削除されるマッピング数の両方を最小限に抑える、新しいオントロジー整合性修復手法を提案する。生物医学的オントロジー整合性の評価において、最先端のツールを上回る整合性とFスコアを達成し、優れた銀標準の整合性を得た。

ABSTRACT

Ontology Matching aims to find a set of semantic correspondences, called an alignment, between related ontologies. In recent years, there has been a growing interest in efficient and effective matching methods for large ontologies. However, most of the alignments produced for large ontologies are logically incoherent. It was only recently that the use of repair techniques to improve the quality of ontology alignments has been explored. In this paper we present a novel technique for detecting incoherent concepts based on ontology modularization, and a new repair algorithm that minimizes the incoherence of the resulting alignment and the number of matches removed from the input alignment. An implementation was done as part of a lightweight version of AgreementMaker system, a successful ontology matching platform, and evaluated using a set of four benchmark biomedical ontology matching tasks. Our results show that our implementation is efficient and produces better alignments with respect to their coherence and f-measure than the state of the art repairing tools. They also show that our implementation is a better alternative for producing coherent silver standard alignments.

研究の動機と目的

• 大規模なオントロジー整合性における論理的整合性の欠如、特に不交和制約に起因するものに対処すること。
• 修復処理中に削除されるマッピング数を最小限に抑えながら、整合性を最大化すること。
• 大規模な生物医学的オントロジー向けに、既存の推論ベースの修復手法のスケーラビリティの限界を克服すること。
• モジュラー化と信頼度ベースのフィルタリングを用いて、効率的で近似的最適な修復プロセスを開発すること。

提案手法

• 不交和制約に起因する整合性の欠如を引き起こすクラスおよび関係のみを含むコアオントロジー断片を、オントロジーモジュラー化により抽出する。
• 近似的最適なマッピング削除集合を特定するためのヒューリスティクスを適用する。
• マッピングの信頼度値をフィルタとして用い、修復プロセスをガイドし、整合性の再現性への影響を低減する。
• 統合と評価のため、AgreementMakerの改変版（OMSZ）内に軽量な修復モジュールを実装する。
• スケーラビリティを維持しながらも、結果の整合性を高めるために、局所的かつ不完全な修復戦略を採用する。
• 銀標準ベンチマークを用いて、4つのOAEI大規模生物医学トラックの整合性タスクでアプローチを検証する。

実験結果

リサーチクエスチョン

• RQ1 オントロジーモジュラー化は、大規模なオントロジー整合性における整合性欠如を引き起こす最小限の断片を効果的に分離できるか？
• RQ2 信頼度ベースのフィルタリングは、修復プロセスにおける整合性と再現性のトレードオフをどのように改善できるか？
• RQ3 既存のツールと比較して、本手法は整合性欠如をどれほど低減しつつ、削除されるマッピング数を最小限に抑えられるか？
• RQ4 品質を損なうことなく、大規模な生物医学的オントロジー向けに、十分にスケーラブルかつ効率的な修復プロセスを実現できるか？
• RQ5 信頼度閾値の選択が、最終的な整合性と品質にどのように影響するか？

主な発見

• FMA-NCIの整合性において、本手法は97.5％の精度、71.5％の再現率、83.5％のFスコアを達成し、LogMap2やALCOMOを大きく上回った。
• FMA-SNOMEDタスクでは、OMSZはわずか8つの整合性のないクラス（元の状態では12,369個）を生成したが、LogMap2は242個の整合性のないクラスを生成した。
• SNOMED-NCIの整合性において、OMSZはフィルタリングなしでFスコアを0.9％（74.7％）向上させ、LogMap2の0.3％の向上を上回った。
• 信頼度閾値0.1でフィルタリングを施した場合、FMA-SNOMEDのケースで整合性欠如がわずか8クラスにまで減少した。これは信頼度ベースのフィルタリングの有効性を示している。
• ALCOMOは2つのタスク（FMA-SNOMEDおよびSNOMED-NCI）で処理を完了できず、LogMap2は本手法よりも著しく多くの整合性のないクラスを生成した。
• 本手法は、OAEI公式ツールが生成した修復済み銀標準よりも優れた銀標準の整合性を得た。これは、本手法がベンチマーク用途において優位であることを証明している。