[논문 리뷰] Mesure de la similarité entre termes et labels de concepts ontologiques

Van Tien Nguyen, Christian Sallaberry외 1명|arXiv (Cornell University)|2013. 07. 24.

Data Management and Algorithms참고 문헌 16인용 수 4

한 줄 요약

이 논문은 온톨로지 레이블과 용어 간의 유사도 측정을 향상시키기 위해 토큰 수준와 문자열 수준에서 두 개의 문자 기반 문자열 유사도 측정법(Jaro-Winkler)을 조합한 하이브리드 문자열 유사도 측정법 Liuppa(i,j)를 제안한다. 이는 특히 어순이 의미에 영향을 미치는 경우에 뛰어난 성능을 보이며, Cohen 데이터셋에서 3위를 기록한다. 또한 'chemin de fer touristique'와 같은 용어를 'voie ferrée touristique'와 같은 온톨로지 레이블에 매칭시켜 지리정보 검색에서 정확한 지리공간 엔티티 타이핑을 가능하게 한다.

ABSTRACT

We propose in this paper a method for measuring the similarity between ontological concepts and terms. Our metric can take into account not only the common words of two strings to compare but also other features such as the position of the words in these strings, or the number of deletion, insertion or replacement of words required for the construction of one of the two strings from each other. The proposed method was then used to determine the ontological concepts which are equivalent to the terms that qualify toponymes. It aims to find the topographical type of the toponyme.

연구 동기 및 목표

• 지리정보 검색 환경에서 온톨로지 레이블과 자연어 용어 간의 유사도 측정을 위한 강력한 방법을 개발하는 것.
• 어순이 의미에 크게 영향을 미치는 다단어 레이블과 용어를 매칭하는 데 도전하는 것.
• 온톨로지 기반 지리공간 타이핑 파이프라인에 하이브리드 유사도 측정법을 통합하는 것.
• 대표적인 학습 샘플을 사용하여 측정법의 자동 매개변수 조정을 가능하게 하는 것.
• 구조적 정렬 이전의 초기 레이블 기반 비교 단계를 향상시켜 온톨로지 매칭 워크플로우를 지원하는 것.

제안 방법

• 이 방법은 메타 측정법 프레임워크인 Liuppa(i,j)를 사용하며, 이는 두 가지 기본 문자열 측정법(i와 j)을 토큰 수준와 문자열 시퀀스 수준에서 조합한다.
• 유사도는 첫 번째 측정법(예: Jaro-Winkler)을 개별 토큰에 적용하고, 두 번째 측정법(예: Jaro-Winkler)을 전체 문자열 시퀀스에 적용한 후 결과를 조합하여 계산한다.
• 이 방법은 어순, 공통 토큰, 그리고 삽입, 삭제, 대체 등의 편집 연산을 고려한다.
• 매개변수 조정 단계에서는 대표 샘플을 사용하여 최적의 측정법 조합과 임계값(ε = 0.84)을 선택하여 최고의 성능을 달성한다.
• 최종 측정법은 여행 기록에서 추출한 용어를 지리공간 온톨로지 레이블에 매칭시켜 엔티티 타이핑에 적용한다.
• 이 방법은 두 개의 데이터셋에서 평가되었으며, 자체 제작한 지리공간 용어-레이블 데이터셋과 기록 연결을 위한 Cohen 데이터셋이다.

실험 결과

연구 질문

• RQ1 어순이 의미적으로 중요한 경우, 다단어 용어와 온톨로지 레이블 간의 문자열 유사도를 어떻게 향상시킬 수 있는가?
• RQ2 다른 추상화 수준(토큰 대 문자열 시퀀스)에서의 문자열 측정법 조합 중에서 용어를 온톨로지 레이블에 매칭할 때 가장 높은 정확도를 얻는 조합은 무엇인가?
• RQ3 대표적인 학습 샘플을 사용하여 하이브리드 유사도 측정법을 자동으로 매개변수화할 수 있는가? 이는 다양한 데이터셋에 대한 강건한 일반화를 가능하게 하는가?
• RQ4 기존의 문자열 측정법과 비교할 때, 표준 벤치마크 데이터셋에서 성능 측면에서 본 논문에서 제안한 방법은 어떠한가?
• RQ5 이 유사도 측정법이 자연어 문서에서 지리공간 엔티티 타이핑의 정확도를 어느 정도 향상시킬 수 있는가?

주요 결과

• ε = 0.84로 설정된 Liuppa(Jaro-Winkler, Jaro-Winkler) 측정법은 자체 제작한 지리공간 용어-레이블 데이터셋에서 평가된 14개의 측정법 중에서 가장 뛰어난 성능을 보였다.
• 기록 연결을 위한 Cohen 데이터셋에서 15개의 측정법 중 3위를 기록했으며, 특히 어순이 중요한 경우 많은 표준 방법들을 능가했다.
• 하이브리드 접근법은 'chemin de fer touristique'와 'voie ferrée touristique'와 같은 용어에 대해 상당한 유사도 측정 향상을 이끌었으며, 정확한 지리공간 엔티티 타이핑을 가능하게 하였다.
• 최적의 매개변수 세트(측정법 조합 및 임계값)가 대표 샘플에서 자동으로 결정될 수 있었기 때문에, 이 방법은 강력한 적응성을 보였다.
• 실제 지리정보 검색 환경에서 효과적으로 작동했으며, 여행 기록에서 추출한 용어를 'voie de communication'과 같은 적절한 온톨로지 개념에 성공적으로 연결시켰다.
• 메타 측정법 프레임워크인 Liuppa(i,j)는 일반화 가능하며, 데이터베이스 기록 연결을 포함한 온톨로지 기반 용어 매칭이 필요한 다른 분야에도 적용 가능하다.