[논문 리뷰] Making Metadata Fit for Next Generation Language Technology Platforms: The Metadata Schema of the European Language Grid

Penny Labropoulou, Katerina Gkirtzou외 13명|arXiv (Cornell University)|2020. 03. 30.

Semantic Web and Ontologies참고 문헌 12인용 수 10

한 줄 요약

이 논문은 유럽 언어 그룹(ELG) 플랫폼 내 언어 자원 및 기술(LRT)의 기술적 설명을 표준화하기 위해 개발된 포괄적인 메타데이터 스키마인 ELG-SHARE를 제시한다. 기존 어휘 및 FAIR 원칙에 부합함으로써, 이 스키마는 유럽 전역에서 다국어 NLP 도구, 데이터, 서비스의 효율적 탐색, 공유, 재사용을 가능하게 하여 연구 및 상업적 응용을 위한 확장 가능하고 상호운용성 있는 프레임워크를 지원한다.

ABSTRACT

The current scientific and technological landscape is characterised by the increasing availability of data resources and processing tools and services. In this setting, metadata have emerged as a key factor facilitating management, sharing and usage of such digital assets. In this paper we present ELG-SHARE, a rich metadata schema catering for the description of Language Resources and Technologies (processing and generation services and tools, models, corpora, term lists, etc.), as well as related entities (e.g., organizations, projects, supporting documents, etc.). The schema powers the European Language Grid platform that aims to be the primary hub and marketplace for industry-relevant Language Technology in Europe. ELG-SHARE has been based on various metadata schemas, vocabularies, and ontologies, as well as related recommendations and guidelines.

연구 동기 및 목표

• 다양한 LRT를 위한 통합된 메타데이터 스키마를 구축하여 유럽 언어 기술(LT) 생태계의 분열 문제를 해결하기 위해.
• 산업 및 연구에 관련된 LT 서비스와 데이터의 중심 기반 플랫폼으로서의 유럽 언어 그룹(ELG) 플랫폼을 지원하기 위해.
• 기존 표준 및 DMP 지침과의 일치를 통해 LRT 메타데이터에 FAIR(찾을 수 있고, 접근 가능하고, 상호운용 가능하고, 재사용 가능한) 원칙이 통합되도록 보장하기 위해.
• 검증에 사용된 연구 데이터 및 도구의 메타데이터를 캡처하여 과학적 발견의 재현 가능성을 보장하기 위해.
• 표준화되고 기계로 읽을 수 있는 메타데이터를 통해 유럽 연합의 디지털 단일시장에서의 다국어 및 다문화 간 의사소통을 촉진하기 위해.

제안 방법

• ELG-SHARE 스키마는 META-SHARE, ELRA, ELRC-SHARE 등의 기존 메타데이터 표준, 어휘 및 온톨로지를 통합하여 개발되었다.
• 이 스키마는 서비스, 도구, 코퍼스, 모델, 어휘집 및 기관, 프로젝트와 같은 관련 엔터티를 포함한 LRT에 대한 풍부한 기술적 기술을 지원한다.
• 버전 관리가 되는 릴리스와 공개 가능성을 고려하여 XML 스키마 정의(XSD)를 사용하여 구현되었으며, CC-BY-4.0 라이선스 하에 공개되어 있다.
• 메타데이터 수명 주기 준거를 확보하기 위해 DMP 템플릿과 연결되어 있으며, 데이터 확보, 보존, 공유를 포함한다.
• 기존 레포지토리(예: ELRA, LINDAT-CLARIAH)에서 메타데이터 레코드를 수확하고 상업적 및 비상업적 서비스를 위해 수작업으로 정제하였다.
• 플랫폼은 메타데이터 정제, 자동 보완, 지속적인 스키마 유지 및 발전을 위한 메타데이터 편집기를 지원한다.

실험 결과

연구 질문

• RQ1 다양한 유럽 언어에서 다국어 자원 및 기술을 지원하기 위해 통합된 메타데이터 스키마를 어떻게 설계할 수 있는가?
• RQ2 언어 기술 메타데이터에 FAIR 원칙을 통합하기 위해 필요한 기술적 및 조직적 메커니즘은 무엇인가?
• RQ3 메타데이터 스키마는 연구용 및 상용으로 제공되는 언어 도구의 탐색 및 재사용을 어떻게 촉진할 수 있는가?
• RQ4 표준화된 데이터 관리 계획(DMP)이 LRT의 장기적 지속 가능성과 재현 가능성 확보에 어떤 역할을 하는가?
• RQ5 클라우드 기반 플랫폼에서 상용 서비스 청구 및 액세스 제어를 지원하기 위해 메타데이터 스키마는 어떻게 확장될 수 있는가?

주요 결과

• ELG-SHARE 스키마 v1.1은 GitLab을 통해 공개되었으며, CC-BY-4.0 라이선스 하에 기계로 읽을 수 있고 상호운용 가능한 LRT 메타데이터를 지원한다.
• ELRA, ELRC-SHARE, META-SHARE 등의 기존 레포지토리에서 개방형 라이선스를 가진 300개 이상의 데이터 자원을 수확하고 ELG 카탈로그로 변환하였다.
• 약 170개의 기능적 언어 기술 서비스가 수작업으로 기술되어 ELG 플랫폼에 통합되었으며, 클라우드 기반 액세스 및 실행을 가능하게 하였다.
• 스키마는 연구 데이터 및 도구를 카탈로그에 포함시켜, 상세한 메타데이터 캡처를 통해 과학적 발견의 재현 가능성을 지원한다.
• DMP 템플릿과 메타데이터 스키마의 통합은 H2020 요구사항 준수를 보장하고 데이터 수명 주기 관리(확보에서 공유까지)를 지원한다.
• 플랫폼은 반복적인 개선을 위해 설계되었으며, 메타데이터 보완, 정제 도구, 상용 서비스를 위한 청구 모듈 사양 등의 기능 개발이 지속적으로 진행 중이다.