[논문 리뷰] Mapping knowledge with ontologies: the case of obesity

Montserrat Estañol, Francesco Masucci외 2명|arXiv (Cornell University)|2017. 12. 04.

Biomedical Text Mining and Ontologies인용 수 1

한 줄 요약

이 논문은 체중 문제와 같은 사회적 과제를 위한 과학 맵핑을 향상시키기 위해 온톨로지 기반 접근법을 제안한다. 이는 알고리즘 기반 토픽 모델링에 공식화된 영역 전문가 지식을 통합함으로써 이루어진다. 체중 문제에 관한 OWL 기반 온톨로지(155개 개념, 48개 관계 포함)를 사용하여, 논리적 제약 조건과 의미적 관계가 과학 지식을 체계화하고, 순수 알고리즘적 방법에 비해 더 정확하고 해석 가능하며 전문가의 견해와 일치하는 과학 맵핑을 가능하게 한다.

ABSTRACT

Scientometric techniques have been remarkably successful at mapping science but they face important difficulties when mapping research for societal problems possibly because they they are derived only from scientific documents and thus do not rely on non-academic expert knowledge. Here we aim to explore how ontologies can be used in science mapping, thus enriching current algorithmic techniques with systematic domain expert knowledge. This study introduces the methodology behind the construction of an ontology and tests potential uses in science mapping. We use obesity as a topic of case study.

연구 동기 및 목표

• 순수 문헌정보학적 과학 맵핑의 한계를 해결하기 위해 전문가 지식에 기반한 검증이 이루어지지 않는 문제를 다루기 위해.
• 의료, 영양, 행동 및 환경적 시각을 통합한 체중 문제에 대한 종합적이고 공식화된 온톨로지를 개발하기 위해.
• 온톨로지가 논리적 제약 조건, 의미적 레이블링 및 지식 강화 클러스터링을 통해 과학 맵핑을 어떻게 향상시킬 수 있는지 탐색하기 위해.
• 온톨로지를 제약 프레임워크로 사용하여 비지도 토픽 모델링(LDA 등)과 지식 강화 토픽 모델링을 비교하기 위해.
• 다른 건강 연구 분야에서 의미론적 추론과 상호운용성을 지원하는 재사용 가능하고 확장 가능한 온톨로지를 만들기 위해.

제안 방법

• 체중 문제 분야의 155개 개념과 48개 관계를 공식 논리로 표현하기 위해 OWL 2.0 온톨로지를 구축함.
• 의미 일관성을 보장하기 위해 객체 속성(예: 'canBeTreated', 'medCondMayLeadToMedCond')에 도메인 및 범위 제약 조건을 정의함.
• 자기 참조 관계를 방지하기 위해 비반사성 공리(axiom)를 적용함(예: 질환이 자신을 유발할 수 없음).
• 치료 유형 간 상호 배타성을 보장하기 위해 상호배타적 합집합 공리(disjoint union axioms)를 사용함(예: 다이어트, 약물치료, 치료법).
• 토픽 모델링 기법(예: LDA)과 온톨로지를 통합하여 토픽 분류를 이끌고 제약 조건을 부여함.
• 개념 간 관련성 클러스터를 식별하기 위해 온톨로지를 네트워크 그래프로 시각화함(예: 대사 경로, 합병증, 행동/환경적 원인).

실험 결과

연구 질문

• RQ1 전문가 지식을 온톨로지에 코딩함으로써 체중 문제와 같은 사회적 문제에 대한 과학 맵핑의 정확성과 해석 가능성은 향상될 수 있는가?
• RQ2 온톨로지가 강화된 토픽 모델링 결과는 순수 알고리즘적 접근과 비교해 과학 문헌 분류에서 어떻게 다를 수 있는가?
• RQ3 온톨로지 내 논리적 제약 조건이 토픽 클러스터링의 노이즈를 줄이고 일관성을 향상시키는 데 얼마나 기여하는가?
• RQ4 온톨로지가 과학 맵핑의 클러스터 레이블링과 검증을 위한 의미론적 기반 프레임워크로 기능할 수 있는가?
• RQ5 문헌 데이터만으로 유도된 전문가 검증된 체중 문제에 대한 시각과 비교해 볼 때, 어떤 차이가 있는가?

주요 결과

• 구축된 체중 문제 온톨로지는 의료, 영양, 행동 및 환경적 차원을 모두 포함하여 총 155개의 독립된 개념과 48개의 관계를 포함한다.
• 모든 객체 속성에 도메인 및 범위 제약 조건이 성공적으로 적용되어 'canBeTreated' 및 'medCondMayLeadToMedCond'와 같은 관계의 논리적 일관성을 확보함.
• 'medCondMayLeadToMedCond'와 같은 관계에 대해 비반사성 조건이 적용되어 자기 원인 유발을 방지함으로써 논리적 타당성이 향상됨.
• 치료 유형(예: 다이어트, 약물치료) 간 상호 배타성을 보장하기 위해 상호배타적 합집합 공리가 적용되어 임상 현실을 반영함.
• 초기 시각화 결과에서 대사 경로, 합병증, 행동/환경적 원인 등의 명확한 개념 클러스터가 드러나 해석 가능성 향상을 뒷받침함.
• 온톨로지는 추론 도구와 향후 지식 강화 토픽 모델링에 통합 가능한 공식적이고 기계 처리 가능한 프레임워크를 제공함.