[論文レビュー] Question Answering Over Biological Knowledge Graph via Amazon Alexa

Md Rezaul Karim, Hussain Ali+3 more|arXiv (Cornell University)|Oct 12, 2022

Genomics and Rare Diseases被引用数 4

ひとこと要約

本論文は、生物学的データ上で自然言語質問応答を可能にするために、Amazon Alexaの音声インターフェースとDisGeNET知識グラフのプロトタイプ統合を提示する。SPARQLエンドポイントとカスタムAlexaスキルを活用することで、ユーザーは音声で遺伝子-疾患関連を照会可能となる。単純および多層的なクエリに対し機能的なQAを実現したが、Alexaコンソールにおける実行タイムアウトの制限により、2層を超えるクエリのスケーラビリティは制限される。

ABSTRACT

Structured and unstructured data and facts about drugs, genes, protein, viruses, and their mechanism are spread across a huge number of scientific articles. These articles are a large-scale knowledge source and can have a huge impact on disseminating knowledge about the mechanisms of certain biological processes. A knowledge graph (KG) can be constructed by integrating such facts and data and be used for data integration, exploration, and federated queries. However, exploration and querying large-scale KGs is tedious for certain groups of users due to a lack of knowledge about underlying data assets or semantic technologies. A question-answering (QA) system allows the answer of natural language questions over KGs automatically using triples contained in a KG. Recently, the use and adaption of digital assistants are getting wider owing to their capability at enabling users to voice commands to control smart systems or devices. This paper is about using Amazon Alexa's voice-enabled interface for QA over KGs. As a proof-of-concept, we use the well-known DisgeNET KG, which contains knowledge covering 1.13 million gene-disease associations between 21,671 genes and 30,170 diseases, disorders, and clinical or abnormal human phenotypes. Our study shows how Alex could be of help to find facts about certain biological entities from large-scale knowledge bases.

研究の動機と目的

• 大規模な生物学的知識グラフに対して音声対応インターフェースを用いた自然言語質問応答を可能にすること。
• Alexa上でQAシステムを生物医学的データ取得に展開する際の実現可能性と制限を評価すること。
• 113万件の遺伝子-疾患関連を含むDisGeNET知識グラフを、SPARQLエンドポイントを介して音声ベースのQAパイプラインに統合すること。
• Alexa開発環境内での複雑な多層的クエリ実行における技術的ボトル neck を同定すること。
• 複数の知識グラフとの統合および高度なNLUサポートの向上を通じた今後の拡張を検討すること。

提案手法

• システムは、自然言語クエリを処理し、DisGeNET知識グラフをホスティングするSPARQLエンドポイントにルーティングするため、Amazon Alexaのカスタムスキルフレームワークを用いる。
• 単純なインテンツ（例：疾患定義、因果関係）は、KGへの1回の往復クエリとして実装され、音声出力用にフォーマットされた結果が得られる。
• 複雑なクエリの場合は、複数のAPIコールを連結することで多層的推論を実装：1回目のクエリの結果を次のクエリの入力として使用し、グラフ走査をシミュレートする。
• システムはRDF三項組とSPARQLクエリを活用して、DisGeNETからの構造化された事実（遺伝子-疾患関連および関連スコアなど）を抽出する。
• Alexaスキル内のカスタムハンドラは、インテンツ認識、スロット入力（例：疾患名）および音声配信用の結果フォーマットを管理する。
• 実装は、ローカル環境（複雑なクエリが正常に動作）およびAlexa開発者コンソール（2層を超えるクエリでタイムアウトおよびクラッシュが発生）の両方でテストされた。

実験結果

リサーチクエスチョン

• RQ1 Amazon Alexaのような音声対応インターフェースは、大規模な生物学的知識グラフ上で自然言語質問応答を効果的にサポートできるか？
• RQ2 SPARQLクエリの複雑さが、AlexaプラットフォームにデプロイされたQAシステムの信頼性およびパフォーマンスに与える影響はいかほどか？
• RQ3 ローカル実行環境と比較して、Alexa開発者コンソールにおける多層的クエリ実行の技術的制限は何か？
• RQ4 DisGeNETのような既存の生物医学的知識グラフは、どの程度音声ベースのQAシステムを通じて効果的に公開可能か？
• RQ5 実世界の生物医学的研究応用を想定した場合、知識グラフ上の音声ベースQAのスケーラビリティと耐障害性をどのように向上できるか？

主な発見

• 単純なクエリ（疾患定義、遺伝子-疾患因果関係など）に対して、SPARQLエンドポイントとAlexaのインテンツフレームワークを用いた音声ベースQAが正常に実装された。
• 1回のAPIコールによる単純なクエリは、ローカル環境およびAlexaコンソールの両方で信頼性高く実行され、実現可能性が裏付けられた。
• 2層を超えるクエリ（1回目のクエリの結果を次のクエリの入力として使用）は、ローカルテスト環境では正しく動作し、知識グラフ上の深い推論が可能となった。
• しかし、Alexa開発者コンソールにデプロイした場合、2層を超えるクエリは実行不能となり、実行タイムアウトおよびハンドルされないクラッシュが発生した。
• 根本的な原因は、コードフォーマットや実行環境のプラットフォーム固有の制限であり、論理エラーではなく、同じコードがローカルでは問題なく動作するためである。
• 本研究では、Alexaプラットフォームにおける複雑なチェーンクエリのサポートに深刻なギャップが存在することが判明し、高度な生物医学的クエリに向けたスケーラビリティが制限されている。