[論文レビュー] Ontology-based Approach for Semantic Data Extraction from Social Big Data: State-of-the-art and Research Directions.

Pornpit Wongthongtham, Bilal Abu-Salih|arXiv (Cornell University)|Jan 5, 2018

Complex Network Analysis Techniques被引用数 8

ひとこと要約

本稿では、テキストをエンティティレベルおよびドメインレベルで分析することにより、特にTwitterにおけるソーシャルメディアからの意味的データ抽出のためのオントロジー基盤のアプローチを提案する。ドメインオントロジーを活用してツイートの意味を拡張することで、概念同定の正確性と数量が向上し、政治ドメインのデータセットを用いた検証により、意味的拡張と知識抽出の有効性が示された。

ABSTRACT

A challenge of managing and extracting useful knowledge from social media data sources has attracted much attention from academic and industry. To address this challenge, semantic analysis of textual data is focused in this paper. We propose an ontology-based approach to extract semantics of textual data and define the domain of data. In other words, we semantically analyse the social data at two levels i.e. the entity level and the domain level. We have chosen Twitter as a social channel challenge for a purpose of concept proof. Domain knowledge is captured in ontologies which are then used to enrich the semantics of tweets provided with specific semantic conceptual representation of entities that appear in the tweets. Case studies are used to demonstrate this approach. We experiment and evaluate our proposed approach with a public dataset collected from Twitter and from the politics domain. The ontology-based approach leverages entity extraction and concept mappings in terms of quantity and accuracy of concept identification.

研究の動機と目的

• Twitterのような高スループットのプラットフォームを対象として、非構造的ソーシャルメディアデータから実行可能な知識を抽出する課題に対処する。
• 形式的なオントロジーを通じたドメイン固有の意味的理解を組み込むことで、従来のテキスト解析の限界を克服する。
• オントロジーにエンコードされた意味的関係を活用することで、ソーシャルメディアのテキストにおける概念同定の正確性とカバレッジを向上させる。
• 政治という現実世界のドメインを用いて、公開のTwitterデータを活用し、オントロジー基盤の意味的拡張の実現可能性と有効性を示す。

提案手法

• 政治ドメインにおける関心の概念的知識と意味的空間を表現するため、ドメイン固有のオントロジーを採用する。
• ツイート内の固有表現（例：人物、組織、問題）を同定するためのエンティティ抽出技術を適用する。
• 意味的マッチングおよび概念マッピング戦略を通じて、抽出されたエンティティをオントロジー内の概念にマッピングする。
• オントロジーから導出された形式的意味的概念モデルを用いてツイートを表現することで、意味と文脈を拡張する。
• ケーススタディおよび公開のTwitterデータセットを用いて、現実世界の状況下でのアプローチの評価を行う。
• 標準的な評価指標を用いて、概念同定の正確性（精度）と再現率の観点から、手法のパフォーマンスを定量的に評価する。

実験結果

リサーチクエスチョン

• RQ1 ドメインオントロジーは、ソーシャルメディアデータのテキスト的コンテンツの意味的理解をどのように向上させるか？
• RQ2 オントロジー基盤の概念マッピングは、ツイートにおけるエンティティおよび概念同定の正確性と再現率をどの程度向上させるか？
• RQ3 提案されたアプローチは、非構造的ソーシャルメディアテキストからドメイン固有の意味を効果的に抽出・表現できるか？
• RQ4 オントロジーの統合は、リアルタイムのソーシャルメディア分析における意味的データ抽出のスケーラビリティと実用性にどのように影響するか？

主な発見

• ベースライン手法と比較して、オントロジー基盤のアプローチは、ツイートにおける概念同定の数量と正確性を顕著に向上させる。
• ドメインオントロジーを用いた意味的拡張により、エンティティを概念的カテゴリにより正確にマッピングでき、解釈可能性が向上する。
• 本手法は公開の政治的Twitterデータセットにおいて優れたパフォーマンスを示し、現実世界のシナリオへの適用可能性が検証された。
• ケーススタディにより、政治的参加者や問題といったドメイン固有の意味を、高い忠実度で効果的に捉えられることが確認された。
• オントロジーの統合により、ソーシャルメディアデータ分析におけるスケーラブルかつ再利用可能な意味的モデリングが可能になる。
• 本アプローチにより、ソーシャルメディアコンテンツの構造的かつ機械処理可能な表現が可能となり、後続の知識発見タスクを促進する。