[논문 리뷰] A Linked Data Scalability Challenge: Concept Reuse Leads to Semantic Decay

Paolo Pareti, Ewan Klein외 1명|arXiv (Cornell University)|2016. 03. 05.

Semantic Web and Ontologies참고 문헌 10인용 수 5

한 줄 요약

이 논문은 연결된 데이터 개념에 대한 의미적 풍부도 측정법을 제안하며, 이는 각 개념당 유추 가능한 사실의 수를 정량화한다. 실증적으로는 개념 재사용이 의미적 풍부도를 감소시킴을 보여주며, 일반적인 엔티티에 대해 하위 개념을 생성함으로써 풍부도를 유지하는 전략을 제안한다.

ABSTRACT

The increasing amount of available Linked Data resources is laying the foundations for more advanced Semantic Web applications. One of their main limitations, however, remains the general low level of data quality. In this paper we focus on a measure of quality which is negatively affected by the increase of the available resources. We propose a measure of semantic richness of Linked Data concepts and we demonstrate our hypothesis that the more a concept is reused, the less semantically rich it becomes. This is a significant scalability issue, as one of the core aspects of Linked Data is the propagation of semantic information on the Web by reusing common terms. We prove our hypothesis with respect to our measure of semantic richness and we validate our model empirically. Finally, we suggest possible future directions to address this scalability problem.

연구 동기 및 목표

• 연결된 데이터에서 광범위한 개념 재사용으로 인한 의미적 품질 저하 문제를 해결하기 위한 스케일러비리티 과제를 다루기 위해.
• 계층적 구조에 의존하지 않고 데이터셋 내 각 개념당 추론 가능한 사실의 수를 정량화하는 의미적 풍부도 측정법을 정의하기 위해.
• 다양한 데이터셋 간 융합이 일반적으로 재사용되는 개념의 의미적 풍부도를 감소시킨다는 가설을 실증적으로 검증하기 위해.
• 일반적인 엔티티를 식별하고 그들을 하위 개념으로 묶음으로써 의미적 풍부도를 유지하는 방법을 제안하기 위해.

제안 방법

• 의미적 풍부도 Γ(α, S)는 개념 α와 데이터셋 S를 입력으로 받아, S 내에서 α에 대해 추론 가능한 사실의 수를 반영하는 양의 실수로 매핑하는 함수로 정의된다.
• 이 측정법은 패턴 빈도에 기반한다: 더 빈번한 패턴과 일치하는 엔티티가 의미적 풍부도에 더 큰 기여를 한다.
• 각 엔티티 ε에 대해, Y가 개념 α의 빈번한 패턴 집합일 때, 일반성 점수 δε = |E ∩ Y| / |Y| 를 계산한다.
• δε < 0.5인 엔티티는 이질적이라고 간주되며, 이들의 포함은 의미적 풍부도를 감소시킨다.
• 가장 중요한 가정은 가중 평균 부등식을 이용한 수학적 증명이다: Γ(α, S₁ ∪ S₂) ≤ (|S₁α|Γ(α, S₁) + |S₂α|Γ(α, S₂)) / (|S₁α| + |S₂α|).
• 일반적인 엔티티에서 자동 패턴 분 析을 통해 하위 개념을 생성함으로써 의미적 풍부도를 유지하는 전략을 제안한다.

실험 결과

연구 질문

• RQ1 연결된 데이터의 여러 데이터셋 간 개념 재사용 증가가 그 개념의 의미적 풍부도에 측정 가능한 하락을 초래하는가?
• RQ2 계층 구조에 의존하지 않으며 이질적인 데이터셋에 적용 가능한 의미적 풍부도 측정법을 정의할 수 있는가?
• RQ3 동일한 개념이 다양한 데이터셋 간에 의미적 풍부도가 얼마나 다를 수 있는가?
• RQ4 패턴 빈도 기반 일반성 점수는 엔티티 포함이 의미적 풍부도에 미치는 영향을 예측할 수 있는가?
• RQ5 엔티티의 일반성에 기반한 하위 개념 생성 전략을 통해 의미적 풍부도를 유지하는 것이 실현 가능한가?

주요 결과

• foaf:Person 개념의 의미적 풍부도는 데이터셋 간에 크게 다름을 확인하였으며, services.data.gov.uk에서는 0.7에서부터 dbpedia.org에서는 35.2까지 변동함.
• 실증 결과에 따르면, 데이터셋 융합이 의미적 풍부도 감소를 초래함을 확인하였으며, 이는 개념 재사용이 의미적 가치를 감소시킨다는 가설을 검증함.
• 두 데이터셋의 융합 결과는 최대한으로 개별 데이터셋의 가중 평균에 해당하며, 이는 이론적 부등식을 확인함.
• 구조화된 DBpedia의 foaf:Person과 구조화되지 않은 소스를 융합할 경우 의미적 풍부도가 크게 감소함을 확인하였으며, 이는 추론 가능한 사실의 손실을 시사함.
• 일반성 점수 δε < 0.5인 엔티티는 이질적임이 확인되었으며, 포함될 경우 의미적 풍부도가 떨어질 가능성이 높음.
• 이 연구는 일반적인 엔티티에서 하위 개념을 생성함으로써 이질적 재사용 상황에서도 의미적 풍부도를 유지할 수 있음을 입증함.