[論文レビュー] Towards a query language for annotation graphs

Steven Bird, Peter Buneman+1 more|Scholarly Commons (University of Pennsylvania)|Jul 13, 2000

Semantic Web and Ontologies参考文献 14被引用数 40

ひとこと要約

本稿は、音声および言語的データベースで使用される複雑で時間的に構造化されたデータモデル、すなわちアノテーショングラフのための新しいクエリ言語を提案する。この言語は、半構造化データ言語からのパスパターン式を適応して設計されている。また、先行関係を時間的関係と推移的アーク関係に分割する最適化技術を導入し、アノテーショングラフの準線形的構造を活用することで、メインメモリ上で効率的な評価を可能にし、大規模な音声データベースにおけるストレージの削減とクエリパフォーマンスの向上を著しく実現している。

ABSTRACT

The multidimensional, heterogeneous, and temporal nature of speech databases raises interesting challenges for representation and query. Recently, annotation graphs have been proposed as a general-purpose representational framework for speech databases. Typical queries on annotation graphs require path expressions similar to those used in semistructured query languages. However, the underlying model is rather different from the customary graph models for semistructured data: the graph is acyclic and unrooted, and both temporal and inclusion relationships are important. We develop a query language and describe optimization techniques for an underlying relational representation.

研究の動機と目的

• 音声データベースにおける複雑で多層的かつ時間的に構造化された言語的アノテーションを扱う既存のクエリ言語の限界を解消すること。
• 半構造化データ言語に類似したパスベースのクエリを自然に表現できるクエリ言語を設計すること。ただし、グラフ固有の構造に適応したものであること。
• アノテーショングラフの準線形的で時間的流れに富んだ構造を活用することで、高コストな推移的閉包計算への依存を減らすことで、クエリ評価を最適化すること。
• 先行関係を時間的関係と推移的アーク関係に分解することで、複雑なクエリを効率的にメインメモリ上で実行すること。
• Switchboardなどの大規模音声データベースへのスケーラブルで効率的なアクセスを可能にし、知的なデータ分割によりディスクI/Oを最小限に抑えること。

提案手法

• 正規表現に基づくパスパターンを用いたクエリ言語を提案。これにより、ラベル付きパスを用いてアノテーショングラフ内のノードおよびアークを複雑にナビゲートできる。
• 2つの主要な関係を導入：'time' は各ノードの時間的境界（前件と後件）を格納し、'TA extquotesingle' は時間的境界を跨ぐアークのみを格納することで、推移的閉包のサイズを削減する。
• 関数的依存関係を用いる：ante(n) は直前のタイムドノードの最も早い後件時刻を、post(n) は直後のタイムドノードの最も遅い前件時刻をそれぞれ表す。
• 標準インデックスを用いて効率的な評価が可能な、選言的クエリによる完全な推移的先行関係（TC）の再構築：TC(m,n) は post(m) < ante(n) または TA extquotesingle(m,n) のとき成立する。
• 時間的区間で境界づけられた関連サブグラフに限定する範囲インデックスアクセスを採用。これによりメインメモリ処理が可能になる。
• 推移的閉包計算を完全に実行するのを避けるために、準線形的構造を活用したクエリ書き換えおよびインデクシング戦略を適用。これは最悪ケースでO(n²)の計算コストを有する。

実験結果

リサーチクエスチョン

• RQ1 時間的、包含的、階層的関係を併せ持つアノテーショングラフに対して、自然に複雑なパスベースのクエリを表現できるクエリ言語をどのように設計できるか？
• RQ2 アノテーショングラフの固有の準線形的構造を活用して、計算コストを低減する最適化技術は何か？
• RQ3 メインメモリに収まる分解表現を用いて、先行関係の推移的閉包を効率的に計算または近似できるか？
• RQ4 TCを完全に格納するのと比較して、先行関係の分解（時間的関係とTA extquotesingleに）は、実世界の音声データベースにおけるストレージとクエリパフォーマンスの両面でどのように差をつけるか？
• RQ5 時間的パーティショニングにより、大規模なクエリをディスクベースの操作を回避してメインメモリ上で効率的に評価できるようになるまでの程度はどの程度か？

主な発見

• 推移的先行関係を 'time' と 'TA extquotesingle' 関係に分解することで、ストレージ要件が顕著に削減された。Switchboardデータベースの単一タイムラインにおいて、TCサイズは約190万、TA extquotesingleサイズはわずか10,585にまで減少した。
• 同じタイムラインにおいて 'time' 関係はたった1,992件のエントリしか含まず、時間的境界をコンパクトに格納できることを示している。
• Switchboardデータベース全体において観測されたTA extquotesingleの最大サイズは15,286であった。これは、最適化された表現がスケーラブルであり、メインメモリに収容可能であることを示している。
• クエリ TC(m,n) は、post(m) < ante(n) または TA extquotesingle(m,n) の2条件の論理和として効率的に再構築可能であり、標準インデックスを用いた高速評価が可能である。
• 時間的区間（ante(X) と post(Y)）で境界づけられたサブグラフにクエリを制限することで、メインメモリでの評価が可能になり、高コストなディスクI/Oを回避し、パフォーマンスが向上した。
• 準線形的構造を活用することで、探索空間を最小限に抑え、完全な推移的閉包計算を回避することで、大規模音声データベースにおける効率的なクエリ処理が可能になった。