[論文レビュー] Similarity-based Browsing over Linked Open Data

Michael W. Hickson, Yannis Kargakis+1 more|arXiv (Cornell University)|Jun 21, 2011

Semantic Web and Ontologies参考文献 27被引用数 4

ひとこと要約

本稿では、正確性とパフォーマンスのバランスを図るために、深さ（半径）で設定可能な拡張近傍を用いた重み付きJaccard係数に基づく、型に依存しない、近傍ベースの類似度メトリックを提示する。この手法により、逆方向クエリとスケーラブルなTop-L検索を可能にし、分散型LOD環境における類似度ベースのブラウジングが効率的に行える。

ABSTRACT

An increasing amount of data is published on the Web according to the Linked Open Data (LOD) principles. End users would like to browse these data in a flexible manner. In this paper we focus on similarity-based browsing and we introduce a novel method for computing the similarity between two entities of a given RDF/S graph. The distinctive characteristics of the proposed metric is that it is generic (it can be used to compare nodes of any kind), it takes into account the neighborhoods of the nodes, and it is configurable (with respect to the accuracy vs computational complexity tradeoff). We demonstrate the behavior of the metric using examples from an application over LOD. Finally, we generalize and elaborate on implementation approaches harmonized with the distributed nature of LOD which can be used for computing the most similar entities using neighborhood-based similarity metrics.

研究の動機と目的

• ユーザーがSPARQLクエリを記述する必要なく、Linked Open Data (LOD) を柔軟に、ユーザーフレンドリーにブラウズできるようにすること。
• 類似度ベースのナビゲーションを通じて、意味的に豊富で分散型のRDFデータセットを探索する課題に対処すること。
• 任意のRDFリソースのペア（例：映画、俳優、監督など）に適用可能な汎用的な類似度メトリックを開発すること。
• 分散型LOD環境における最も類似したエンティティのスケーラブルで効率的な計算をサポートすること。
• 類似度関数を逆転させ、分散型LODエンドポイント全体にわたる局所的で効率的なクエリ処理を可能にする手法を提供すること。

提案手法

• 比較対象の2つのRDFノードの拡張された、半径制限付きの近傍（インスタンスノードおよびスキーマノードを含む）におけるJaccard類似度係数を用いて類似度を計算する。
• 交差領域および和集合内のノードに、比較対象ノードからのパス距離に基づく重みを付与し、近いマッチを優先する。
• 近傍の半径（k）の設定を可能にし、計算複雑性と正確性のバランスを取れるようにする。
• 単一の知識ベースおよび分散型LODクラウドの両方に適用可能な類似度関数に一般化する。
• 類似度関数を逆転させ、類似度がゼロでないエンティティのみを取得するクエリを生成することで、効率的な分散計算を可能にする。
• L個の類似エンティティが見つかるまで半径を段階的に増加させるトップ-L検索アルゴリズムを提案し、近似の保証を提供する。

実験結果

リサーチクエスチョン

• RQ1 RDFエンティティのための汎用的で型に依存しない類似度メトリックを、セマンティックデータにおけるユーザーのブラウジングを支援するためにどのように設計できるか？
• RQ2 分散型で非中央集権的なLOD環境において、近傍ベースの類似度をどのように効率的に計算できるか？
• RQ3 全LODコロナスをスキャンすることなく、トップ-L個の最も類似したエンティティをスケーラブルに取得するためのメカニズムは何か？
• RQ4 類似度関数をどのように逆転させれば、分散型LODエンドポイント全体にわたる局所的で効率的なクエリ処理を可能にできるか？
• RQ5 近傍ベースの類似度計算において、正確性と計算複雑性の間にはどのようなトレードオフがあるか？

主な発見

• 提案された類似度メトリックは、異なるタイプのエンティティ（例：俳優と映画）間の意味的な類似度を効果的に計算でき、セマンティックデータにおける柔軟なブラウジングを可能にする。
• パス距離に基づいてノードに重みを付けることで、近傍の意味的に近いノードを優先し、マッチの関連性が向上する。
• 深さ（半径k）の設定が可能であり、ユーザーまたはシステムが正確性と計算コストの間でトレードオフを取れる。
• 類似度関数の逆転により、関係のない結果を除外するターゲットを絞ったクエリを生成でき、効率的な分散計算が可能になる。
• トップ-L検索アルゴリズムは、k > 1 の場合に正確なトップ-L結果を保証しないが、大規模なLOD向けの実用的で近似可能な戦略を提供する。
• パフォーマンスが求められるアプリケーションにおいては、各エンティティごとのトップ-L類似エンティティのマテリアライズドビューの構築が現実的で効果的な解決策であると提言される。