[論文レビュー] QURATOR: Innovative Technologies for Content and Data Curation

Georg Rehm, Peter Bourgonje+38 more|arXiv (Cornell University)|Apr 25, 2020

Digital Humanities and Scholarship参考文献 8被引用数 15

ひとこと要約

QURATORは、メディア、医療、文化、産業など多様な分野におけるデジタルコンテンツキュレーションを統合的・AI駆動で効率化するプラットフォームを構築した。意味的技術、自然言語処理（NLP）、機械学習を統合し、メタデータの自動拡張、インテリジェントな検索、要約、品質管理を実現することで、提携パートナーワークフローにおいて生産性とデータ品質の向上を実証した。

ABSTRACT

In all domains and sectors, the demand for intelligent systems to support the processing and generation of digital content is rapidly increasing. The availability of vast amounts of content and the pressure to publish new content quickly and in rapid succession requires faster, more efficient and smarter processing and generation methods. With a consortium of ten partners from research and industry and a broad range of expertise in AI, Machine Learning and Language Technologies, the QURATOR project, funded by the German Federal Ministry of Education and Research, develops a sustainable and innovative technology platform that provides services to support knowledge workers in various industries to address the challenges they face when curating digital content. The project's vision and ambition is to establish an ecosystem for content curation technologies that significantly pushes the current state of the art and transforms its region, the metropolitan area Berlin-Brandenburg, into a global centre of excellence for curation technologies.

研究の動機と目的

• 知識集積型産業における膨大で多様なデジタルコンテンツの流れを管理する課題に対応する。
• 断片的で孤立したツールに代わって、統合的かつAI強化されたプラットフォームを導入することで、手作業によるキュレーション作業を削減する。
• Wikidataのようなオープンな知識ベースにおけるデータ品質とアクセス可能性を向上させるために、自動化されたスキーマ検証と品質スコアリングを実施する。
• 意味的技術およびNLP技術を活用した、文化、メディア、医療、産業分野に特化したキュレーションソリューションの開発。
• 持続可能でスケーラブルなプラットフォームエコシステムを構築することで、ベルリン＝ブランデンブルクをキュレーション技術分野の世界的なエクセレンス拠点に確立する。

提案手法

• 基本的なAIおよびデータ統合サービス、インテリジェントに埋め込まれたキュレーションツール、ドメイン特化のアプリケーションレイヤーからなる3層構造の技術プラットフォームを設計する。
• 自然言語処理（NLP）、要約、重複検出、画像分類などのAI手法を統合し、コンテンツ分析およびメタデータ拡張を強化する。
• Wikidataにおけるデータスキーマの定義と検証に、Shape Expression仕様を導入する。
• Wikidataにおけるデータ品質の自動評価を可能にする機械学習モデルを開発し、編集者が注目すべき高品質・低品質アイテムを特定できるようにする。
• 独自のNLPパイプラインを活用した、ソーシャルメディアリスクモニタリング用の自動クエリ提案および要約システムを構築する。
• 現実世界の環境にデモンストレータを展開し、ベルリン州立図書館の研究ラボおよびウィキメディアのデータインfra構造に統合する。

実験結果

リサーチクエスチョン

• RQ1 AIおよび意味的技術を統合的に統合したプラットフォームは、多様な産業分野におけるコンテンツキュレーションをどのように簡素化できるか？
• RQ2 コミュニティ主導の知識ベース（例：Wikidata）における高いデータ品質を維持するために、自動化されたスキーマ検証と品質スコアリングが果たす役割は何か？
• RQ3 インテリジェントな要約と重複検出技術は、ソーシャルメディアおよびニュースコンテンツにおけるリスクモニタリングの効率をどのように向上できるか？
• RQ4 AI強化型メタデータ拡張は、文化・メディア機関におけるコンテンツの検索可能性および処理効率をどの程度向上できるか？
• RQ5 モジュラーかつオープンなプラットフォームエコシステムは、点在する個別ソリューションに比べて、手作業によるキュレーション作業を著しく削減できるか？

主な発見

• QURATORプラットフォームは、10の提携プロジェクトにわたりAI駆動のサービスを統合し、キュレーションワークフローにおけるコンテンツ処理の効率性が向上したことを実証した。
• Wikidataにおける自動スキーマ検証により、Shape Expression仕様を用いた非適合エントリの迅速な特定が可能になり、データの整合性が向上した。
• Wikidataにおけるデータ品質評価のための機械学習モデルは、高品質および低品質アイテムを的確に特定し、編集作業の的を射る改善を可能にした。
• 画像ベースの分類手法により、ベルリン州立図書館のデジタルアーカイブにおける文書メタデータが強化され、コンテンツインデックスおよび検索の正確性が向上した。
• 自動クエリ提案および要約機能を備えたソーシャルメディアリスクモニタリングツールにより、危機検出におけるインサイト到達までの時間が短縮され、データの要約処理がスムーズになった。
• ベルリン州立図書館の研究ラボ向けデモンストレータは2020年に稼働を開始し、文化遺産キュレーション分野におけるプラットフォームの実世界応用可能性が検証された。