[論文レビュー] Target-driven merging of Taxonomies

Salvatore Raunich, Erhard Rahm|arXiv (Cornell University)|Dec 22, 2010

Semantic Web and Ontologies参考文献 18被引用数 7

ひとこと要約

本稿では、目的の分類体系の構造を保持しながら、ソース分類体系の概念および関係を統合する、ターゲット駆動型の分類体系統合アルゴリズムを提案する。この手法は、概念間の同等性マッピングを用い、補助的関係を追加することで意味的整合性を高め、完全に自動的かつ構造を保持する統合を実現し、合成データおよび実世界のデータセットにおいて妥当な結果を示した。

ABSTRACT

The proliferation of ontologies and taxonomies in many domains increasingly demands the integration of multiple such ontologies. The goal of ontology integration is to merge two or more given ontologies in order to provide a unified view on the input ontologies while maintaining all information coming from them. We propose a new taxonomy merging algorithm that, given as input two taxonomies and an equivalence matching between them, can generate an integrated taxonomy in a fully automatic manner. The approach is target-driven, i.e. we merge a source taxonomy into the target taxonomy and preserve the structure of the target ontology as much as possible. We also discuss how to extend the merge algorithm providing auxiliary information, like additional relationships between source and target concepts, in order to semantically improve the final result. The algorithm was implemented in a working prototype and evaluated using synthetic and real-world scenarios.

研究の動機と目的

• 分野をまたがる複数の異種の分類体系およびオントロジー統合の課題の増大に対処する。
• ターゲットオントロジーへの構造的破壊を最小限に抑えるように、2つの分類体系を自動的に統合するアプローチを開発する。
• 統合の過程で、ソースおよびターゲット分類体系からの意味的整合性と関係を保持する。
• 同等性マッピングから導出される補助的関係を組み込むことで、統合品質を向上させる。
• 合成データおよび実世界の分野固有の分類体系を用いたプロトタイプ実装と評価を通じて、実用的でスケーラブルな分類体系統合を実現する。

提案手法

• アルゴリズムは、ターゲット駆動の統合を実行し、ソース分類体系を事前に定義されたターゲット分類体系に統合することで、ターゲットの構造的階層を保持する。
• ソース分類体系とターゲット分類体系の概念間の同等性マッピングが、アライメントおよび統合意思決定の基盤として用いられる。
• 統合プロセスでは、ソースの概念がターゲット構造へと伝搬され、可能な限り既存のターゲットノードを再利用し、必要に応じてのみ新しいノードを生成する。
• 補助的関係（例：'equivalentTo'、'subsumes'）がソースおよびターゲットの概念の間に挿入され、意味的整合性とトレーサビリティが向上する。
• アルゴリズムは段階的統合をサポートし、一貫したノードラベル付けと関係追跡を通じて参照整合性を維持する。
• プロトタイプ実装により、合成ベンチマークおよび実世界の分野固有の分類体系を用いたエンドツーエンドの評価が可能になった。

実験結果

リサーチクエスチョン

• RQ1 どのようにすれば、指定されたターゲット分類体系の構造的整合性を保持しながら2つの分類体系を統合できるか？
• RQ2 概念間の同等性マッピングは、正確で意味的に意味のある統合を可能にする上で果たす役割は何か？
• RQ3 ソースおよびターゲットの概念の間に設けられる補助的関係は、統合済み分類体系の品質および解釈可能性を向上させることができるか？
• RQ4 ターゲット駆動型統合アプローチは、実世界および合成の分類体系統合シナリオにおいてどれほど効果的か？
• RQ5 この手法は、統合プロセス中に意味的整合性を維持し、構造的劣化を回避する程度はどの程度か？

主な発見

• 提案されたアルゴリズムは、ターゲットの構造的階層を最小限の破壊で保持しながら、統一的かつ意味的に整合性のある分類体系を効果的に生成した。
• 補助的関係の統合により、統合済み概念の解釈可能性とトレーサビリティが顕著に向上した。
• 合成および実世界のデータセットにおける評価では、高いアライメント精度とターゲットからの低い構造的乖離を示し、頑健な性能が確認された。
• プロトタイプ実装により、完全自動統合の実現可能性が裏付けられ、オントロジー統合タスクにおける人的介入が著しく削減された。
• 意味的関係の保持および不要または一貫性のないノードの生成を最小限に抑える点で、ベースライン手法を上回る性能を示した。
• 本手法は多様な分野においてスケーラブルかつ適応可能であることが実証され、実世界の知識統合パイプラインにおける実用的価値が裏付けられた。