[論文レビュー] Unravelling Graph-Exchange File Formats

Matthew Roughan, Simon Jonathan Tuke|arXiv (Cornell University)|Mar 10, 2015

Graph Theory and Algorithms参考文献 46被引用数 11

ひとこと要約

本稿では、重複したフォーマット開発を削減し、将来の標準化をガイドするため、ほぼ100のグラフ交換ファイル形式を分析している。本稿は、移植性、拡張性、メタデータ対応性の観点からフォーマットを評価し、自己文書化機能および複数フォーマットのカプセル化を備えたコンテナ形式が、将来のニーズ、特に大規模かつ多様なグラフデータ交換のニーズに最も適していると結論づけている。

ABSTRACT

A graph is used to represent data in which the relationships between the objects in the data are at least as important as the objects themselves. Over the last two decades nearly a hundred file formats have been proposed or used to provide portable access to such data. This paper seeks to review these formats, and provide some insight to both reduce the ongoing creation of unnecessary formats, and guide the development of new formats where needed.

研究の動機と目的

• 既存のフォーマットを分析することで、重複したかつ相互運用不能なグラフ交換ファイルフォーマットの増加を抑えること。
• 現在のフォーマットに共通する欠陥、例えばメタデータの欠如、拡張性の低さ、人間による可読性の低さを特定すること。
• 移植性、拡張性、属性およびメタデータ対応性といった特徴を評価することで、将来のフォーマット設計をガイドすること。
• 複数フォーマットをカプセル化し、自己文書化およびメタデータ対応を可能にするコンテナベースのアプローチを提唱すること。
• 研究者およびツール開発者がより良いグラフ交換フォーマットを選定または設計するための包括的リファレンスを提供すること。

提案手法

• 目的に特化したおよび事実上の標準である両方のフォーマットを含む70以上のグラフ交換フォーマットの体系的レビューと分類。
• 移植性（システム間での移行性）、拡張性、属性およびメタデータ対応性、人間による可読性といった主な基準に基づくフォーマット評価。
• XML、JSON、カスタムフォーマットの使用を含む構造的・文法的特徴の分析と、パフォーマンスおよび保守性に与える影響の評価。
• 大規模グラフにおける並列I/Oおよびスケーラビリティの観点から、モノリシック設計とモジュラー設計のパターンの比較。
• 古いフォーマット（例：NetML）に見られるが、あまり使われていない高度な機能（例：豊富なメタデータおよび拡張性）を特定し、将来のフォーマット設計に活かすこと。
• 複数の下位フォーマットをカプセル化でき、メタデータをサポートするコンテナ形式の概念を提唱し、柔軟かつ拡張可能なデータ交換を可能にすること。

実験結果

リサーチクエスチョン

• RQ1 既存のグラフ交換ファイルフォーマットの主な設計および実装的特徴は何か。また、移植性および拡張性の観点から、それらはどのように比較できるか。
• RQ2 多数の既存フォーマットが存在するにもかかわらず、なぜ新しいグラフフォーマットが引き続き開発されているのか。この重複の根本的原因は何か。
• RQ3 メタデータ対応性、属性の柔軟性、自己文書化といった特徴は、現在のフォーマットに欠けているが、信頼性の高いデータ交換には不可欠なものは何か。
• RQ4 複数のグラフフォーマットをカプセル化しつつ、拡張性、メタデータ、効率的なI/Oをサポートできるコンテナフォーマットは、どのように設計できるか。
• RQ5 古いあるいはあまり知られていないフォーマット（例：NetML）は、将来的により強固なグラフ交換標準の設計にどの程度活用できるか。

主な発見

• 70以上のグラフ交換フォーマットが存在するが、多くのフォーマットが重複しているか、文書化が不十分であり、研究コミュニティにおける不要な分断を引き起こしている。
• ほとんどのフォーマットが属性の意味論を標準化しておらず、文法的に互換性があっても、データ交換時の誤解のリスクが生じている。
• ほとんどのフォーマットがモノリシック設計を採用しているため、並列I/Oや大規模グラフの効率的処理には不適切である。
• 既存のフォーマットは、拡張性およびメタデータ対応性において大きくばらつきがあり、GraphMLを除き、ほとんどが包括的な解決策に近づいていない。
• NetMLのような古いフォーマットには、高度で洗練された機能（例：豊富なメタデータ、拡張性）が含まれているが、現代のツールチェーンではほとんど活用されていない。
• 複数の下位フォーマットをカプセル化でき、自己文書化およびメタデータ対応をサポートするコンテナフォーマットが、将来的なグラフデータ交換の持続可能性と相互運用性を著しく向上させることができる。