[論文レビュー] Open Research Knowledge Graph: Towards Machine Actionability in Scholarly Communication.

Mohamad Yaser Jaradeh, Sören Auer+4 more|arXiv (Cornell University)|Jan 30, 2019

Semantic Web and Ontologies被引用数 9

ひとこと要約

本論文は、RDFベースの知識グラフを用いて科学的知識を意味的に表現することで、学術的コミュニケーションにおける機械可行動性を向上させるためのオープンリサーチ知識グラフ（ORKG）を提案する。RDFを拡張して、出典や信頼性などの付加情報を表現し、国際会議を対象とした実験を通じてその実用性と有効性を評価した。

ABSTRACT

Despite improved digital access to scientific publications in the last decades, the fundamental principles of scholarly communication remain unchanged and continue to be largely document-based. The document-oriented workflows in science publication have reached the limits of adequacy as highlighted by recent discussions on the increasing proliferation of scientific literature, the deficiency of peer-review and the reproducibility crisis. In this article, we present first steps towards representing scholarly knowledge semantically with knowledge graphs. We expand the currently popular RDF graph-based knowledge representation formalism to capture annotations, such as provenance information and describe how to manage such knowledge in a graph data base. We report on the results of a first experimental evaluation of the concept and its implementations with the participants of an international conference.

研究の動機と目的

• 膨大な文献量と再現性の問題が増加する中で、文書ベースの学術的コミュニケーションの限界を是正すること。
• 知識グラフを用いた意味的な表現によって、研究データを機械可行動可能にする。
• RDF知識表現モデルを拡張し、出典やメタデータなどの付加情報をサポートする。
• 実世界の研究環境における提案された知識グラフアプローチの実用的妥当性と有効性を評価すること。
• 構造的で意味的に豊富な知識グラフを通じて、学術的コミュニケーションにおけるデータ管理、検索、再利用の改善を支援すること。

提案手法

• 出典、ソース、信頼性メタデータなどの付加情報を含めるようにRDF知識表現形式を拡張する。
• エンティティ（例：概念、結果）をノード、関係（例：「支持する」、「反対する」）をエッジとして持つグラフデータベースとして学術的知識をモデル化する。
• 相互運用性と機械処理可能性を確保するため、標準化されたRDF/OWL語彙を用いる。
• スケーラブルなストレージとクエリを実現するため、永続的なグラフデータベースシステムに知識グラフを実装する。
• 国際会議の参加者を対象とした実験的評価を通じて、 usability（利便性）と表現力の両面を評価する。
• 主張、証拠、それらの出典を含む研究成果物をグラフモデルで捉え、追跡可能な学術的推論を可能にする。

実験結果

リサーチクエスチョン

• RQ1 どのようにすれば、出典追跡をサポートする機械可行動可能な形式で学術的知識を表現できるか？
• RQ2 伝統的な文書をはるかに超えて、RDFベースの知識グラフモデルが学術的研究の意味をどの程度正確に捉えることができるか？
• RQ3 このような知識グラフが実世界の学術的協働やデータ管理に実用的に適用可能であるか？
• RQ4 研究者がグラフベースの表現形式を学術的コミュニケーションに用いる際に、その有用性と表現力についてどのように評価するか？
• RQ5 知識グラフモデルは科学的発見の追跡可能性と再現性を向上させることができるか？

主な発見

• 拡張されたRDFモデルは、出典とメタデータを含めた学術的知識を効果的に捉え、テキストドキュメントを超えた構造的表現を可能にした。
• 国際会議の参加者を対象とした実験的評価により、知識グラフを用いた学術的データモデリングの実用的妥当性が確認された。
• 参加者は、グラフ構造を用いることで、研究主張とその裏付け証拠の明確さと追跡可能性が向上したと報告した。
• 本アプローチは、学術的システム間でのデータ再利用と相互運用性の向上に潜在的効果を示した。
• 結果から、意味的知識グラフが、より透明性が高く再現性のある学術的コミュニケーションの基盤として機能できる可能性が示唆された。
• 本研究は、大規模な学術的知識グラフの構築と統合に関する今後の研究の基盤となるフレームワークを提供した。