[논문 리뷰] EDUKG: a Heterogeneous Sustainable K-12 Educational Knowledge Graph

Bowen Zhao, Jiuding Sun외 10명|arXiv (Cornell University)|2022. 10. 21.

Advanced Graph Neural Networks인용 수 4

한 줄 요약

EDUKG는 중국의 초중등교육을 위한 대규모, 이질적이고 지속 가능한 지식 그래프로, 635개의 클래스와 1,759개의 속성을 가진 세밀한 다학제 온톨로지 기반으로 구축되었다. 교과서에서의 상호작용 가능한 지식 추출을 가능하게 하고, 일반화된 엔티티 연결 시스템을 통해 동적이고 확장 가능한 유지보수를 지원하며, 252M개의 엔티티와 3.86B개의 트리플릿을 포함한 지식 그래프를 연구 및 교육적 응용을 위해 공개하고 있다.

ABSTRACT

Web and artificial intelligence technologies, especially semantic web and knowledge graph (KG), have recently raised significant attention in educational scenarios. Nevertheless, subject-specific KGs for K-12 education still lack sufficiency and sustainability from knowledge and data perspectives. To tackle these issues, we propose EDUKG, a heterogeneous sustainable K-12 Educational Knowledge Graph. We first design an interdisciplinary and fine-grained ontology for uniformly modeling knowledge and resource in K-12 education, where we define 635 classes, 445 object properties, and 1314 datatype properties in total. Guided by this ontology, we propose a flexible methodology for interactively extracting factual knowledge from textbooks. Furthermore, we establish a general mechanism based on our proposed generalized entity linking system for EDUKG's sustainable maintenance, which can dynamically index numerous heterogeneous resources and data with knowledge topics in EDUKG. We further evaluate EDUKG to illustrate its sufficiency, richness, and variability. We publish EDUKG with more than 252 million entities and 3.86 billion triplets. Our code and data repository is now available at https://github.com/THU-KEG/EDUKG.

연구 동기 및 목표

• 초중등교육 지식과 자원에 대한 다학제적, 세밀한, 지속 가능한 모델링의 부족을 해결하기 위해.
• 기존 교육 지식 그래프가 고작 거시적 주제 지식이나 고등교육 콘텐츠에 집중하는 데서 비롯하는 한계를 극복하기 위해.
• 이질적인 온라인 데이터 소스를 통합함으로써 교육 지식의 동적이고 점진적인 유지보수를 가능하게 하기 위해.
• 지능형 튜터링, 질의 응답, 학습 관리 시스템과 같은 다양한 후행 응용을 지원하기 위해.
• 자원이 부족한 학습자를 위해 포괄적이고 고도의 품질을 갖춘 학습 자원에 대한 개방형 접근을 통해 교육의 형평성을 증진하기 위해.

제안 방법

• 초중등교육에서 지식, 자원, 이질적 데이터를 통일적으로 모델링하기 위해 635개의 클래스, 445개의 개체 속성, 1,314개의 데이터 유형 속성을 포함한 세밀한 다학제 온톨로지 설계.
• 정의된 온톨로지 기반으로 교과서에서 사실 기반 지식을 추출하기 위한 반자동화되고 상호작용 가능한 방법론 개발.
• EDUKG 내 엔티티에 새로운 이질적인 온라인 교육 자원을 동적으로 인덱싱하고 연결하기 위해 일반화된 엔티티 연결 시스템 구축.
• 통합된 RDF 기반 지식 그래프에 교과서 및 온라인 자료에서 지식을 추출하고 통합하기 위한 확장 가능한 데이터 파이프라인 구현.
• 지식 검색, 엔티티 연결, 질의 응답 기능을 제공하는 공개 플랫폼(open.edukg.cn) 및 API 배포를 통한 연구 및 응용 개발 지원.
• 지속 가능성과 커뮤니티 기여를 보장하기 위해 CC BY-NC-SA 4.0 라이선스 하에 EDUKG 코드베이스, 데이터, 툴킷을 오픈소스화.

실험 결과

연구 질문

• RQ1 지식과 교육 자원에 대한 다학제적이고 세밀한 모델링을 지원하기 위해 이질적이고 지속 가능한 초중등교육 지식 그래프를 어떻게 설계할 수 있는가?
• RQ2 통일된 온톨로지와 일관성을 유지하면서도 교과서에서 사실 기반 지식을 효율적이고 상호작용적으로 추출할 수 있는 방법론은 무엇인가?
• RQ3 기존 지식 그래프에 다양한 변화하는 온라인 교육 데이터를 동적으로 인덱싱하고 통합할 수 있도록 일반화된 엔티티 연결 시스템을 어떻게 구축할 수 있는가?
• RQ4 EDUKG는 기존 교육 지식 그래프에 비해 주제 간 데이터의 충분성, 풍부성, 다양성 측면에서 어느 정도 뛰어나게 성과를 내는가?
• RQ5 최소한의 수동 개입으로 장기적으로 대규모 교육 지식 그래프를 지속 가능하게 유지하고 확장할 수 있는 방법은 무엇인가?

주요 결과

• EDUKG는 252만 개 이상의 엔티티와 38.6억 개의 트리플릿을 포함하여 현재까지 알려진 가장 큰 다학제적 초중등교육 지식 그래프이다.
• 온톨로지는 635개의 클래스와 1,759개의 속성(445개의 개체 속성 + 1,314개의 데이터 유형 속성)을 정의하여 교육 콘텐츠의 세밀한 다학제 모델링을 가능하게 한다.
• 상호작용 가능한 교과서 지식 추출 방법론은 높은 정밀도로 사실 기반 지식을 성공적으로 캡처하여 확장 가능한 지식 확보를 지원한다.
• 일반화된 엔티티 연결 시스템은 이질적인 온라인 자원의 동적 인덱싱을 가능하게 하여 지식 그래프의 장기적 지속 가능성과 확장성을 보장한다.
• 공개 플랫폼 open.edukg.cn은 지식 검색, 엔티티 연결, 질의 응답을 위한 개방형 API를 제공하여 연구자와 개발자의 접근성과 사용성을 향상시킨다.
• EDUKG는 유연한 개방형 라이선스(CC BY-NC-SA 4.0) 하에 배포되며, GitHub에서 전체 코드와 데이터를 공개하여 재현 가능성과 커뮤니티 기반 확장이 가능하다.