[論文レビュー] RDF Knowledge Graph Visualization From a Knowledge Extraction System

Fadhela Kerdjoudj, Olivier Curé|arXiv (Cornell University)|Oct 1, 2015

Semantic Web and Ontologies参考文献 3被引用数 4

ひとこと要約

本稿では、自然言語処理とオントロジーに基づくルールマッチングを用いてテキストから構造化された知識を抽出する、多言語対応のRDF知識グラフ可視化システムを提示する。ユーザーは概念または個々のエンティティの選択によりサブグラフを探索でき、多言語ラベルとインタラクティブなツールチップを備える。本システムはOWL/SPARQL、Graphvizレンダリング、Jena APIを活用し、現実世界のテキストから得られる複雑で密集した知識グラフを直感的かつ多言語拡張された形で可視化する。

ABSTRACT

In this paper, we present a system to visualize RDF knowledge graphs. These graphs are obtained from a knowledge extraction system designed by GEOLSemantics. This extraction is performed using natural language processing and trigger detection. The user can visualize subgraphs by selecting some ontology features like concepts or individuals. The system is also multilingual, with the use of the annotated ontology in English, French, Arabic and Chinese.

研究の動機と目的

• 長文テキストから抽出された大規模で密集したRDF知識グラフの可視化という課題に対処すること。
• 英語、フランス語、アラビア語、中国語でのオントロジー要素の注釈により、多言語理解を支援すること。
• オントロジー概念または個々のエンティティに基づくファセット式サブグラフ選択により、関連知識の探索を可能にすること。
• URIsを人間が読みやすいラベルとアイコンに置き換え、インタラクティブなツールチップを追加することで、使いやすさを向上させること。
• ソーステキストと可視化を統合し、インタラクティブなノード強調表示により、ユーザーがテキスト内の関連箇所を特定できるようにすること。

提案手法

• 自然言語処理タスクのパイプラインを用いる：トークン化、活用的構文解析、LODおよびルールベースのトリガーを用いた固有表現認識、および代名詞・否定の解消を伴う構文解析。
• 構文構造上のルールベースのパターンマッチングにより、トリガー（例：'go' は 'Displacement' に対応）がオントロジークラスにマッピングされる。
• 事前に定義されたルールパターンを用いて三項組を生成し、RDFとして保存。その後、共参照解消および暗黙の情報推論により拡張される。
• 可視化レイヤーはJena APIを介してオントロジーを解析し、クラス、プロパティ、および多言語ラベルを抽出する。
• グラフはDOT形式でGraphvizを用いてレンダリングされ、ノードはインスタンスタイプでラベル付けされ、エッジはオブジェクトプロパティでラベル付けされる。
• インタラクティブ機能には、データ型プロパティのホバーツールチップ表示、ソーステキストへのハイパーリンク、ユーザーが選択した深さパラメータに基づく動的サブグラフ深さ制御が含まれる。

実験結果

リサーチクエスチョン

• RQ1 非構造化テキストから抽出されたRDF知識グラフを、ユーザーの理解を支援する形で効果的に可視化する方法は何か？
• RQ2 多言語オントロジー注釈が、知識グラフのアクセシビリティと使いやすさを向上させる役割を果たすか？
• RQ3 オントロジー概念または個々のエンティティに基づくサブグラフ選択は、大規模な知識グラフにおける視覚的複雑さをどの程度軽減できるか？
• RQ4 ツールチップやテキスト連携といったインタラクティブ機能が、抽出された知識のナビゲーションと解釈をどの程度向上できるか？
• RQ5 自然言語処理とオントロジーに基づく抽出を可視化と統合することで、意味的整合性を保ちつつユーザーの理解を明確にできるか？

主な発見

• 本システムは、オントロジー概念または個々のエンティティに基づくサブグラフ選択を可能にすることで、大規模なRDFグラフの可視的複雑さを著しく軽減し、焦点を当てた探索を可能にした。
• 英語、フランス語、アラビア語、中国語での多言語ラベル化により、ユーザーは自身の母国語で同じ知識グラフを閲覧でき、アクセシビリティが向上した。
• URIsの代わりにラベルを使用することで、元のURIベースの表現と比較して、ユーザーの読みやすさとナビゲーション性が顕著に向上した。
• ホバーツールチップによりデータ型プロパティが表示され、メインのグラフ表示を汚さずに詳細情報を提供した。
• ホバーアクションによるノードとソーステキストのリンク機能により、抽出された事実を元のテキスト内のトリガーにたどり着けるようになり、トレーサビリティと信頼性が向上した。
• Jena APIとGraphvizの統合により、複雑で意味的に豊富な知識グラフを複数フォーマット（PNG、SVG、PDF）でスケーラブルにレンダリングできるようになった。