[논문 리뷰] OBDA for the Web: Creating Virtual RDF Graphs On Top of Web Data Sources

Konstantina Bereta, George Papadakis외 1명|arXiv (Cornell University)|2020. 05. 22.

Semantic Web and Ontologies참고 문헌 19인용 수 5

한 줄 요약

이 논문은 가상 RDF 그래프를 생성함으로써 데이터를 물리적으로 저장하지 않고도 HTML 테이블 및 REST API와 같은 이질적인 웹 데이터 소스를 실시간으로 SPARQL로 쿼리할 수 있는 OBDA 기반 시스템인 Ontop4theWeb을 소개한다. 이 시스템은 R2RML 매핑 내에 가상 테이블 연산자를 활용하고 마이크로서비스 아키텍처를 적용하여 높은 성능과 정확도를 달성하며, 기존 시스템 대비 응답 시간에서 최대 3배 빠르게 작동한다. 또한 캐싱을 완전히 활용하고 제3자 서비스와의 원활한 통합을 지원한다.

ABSTRACT

Due to Variety, Web data come in many different structures and formats, with HTML tables and REST APIs (e.g., social media APIs) being among the most popular ones. A big subset of Web data is also characterised by Velocity, as data gets frequently updated so that consumers can obtain the most up-to-date version of the respective datasets. At the moment, though, these data sources are not effectively supported by Semantic Web tools. To address variety and velocity, we propose Ontop4theWeb, a system that maps Web data of various formats into virtual RDF triples, thus allowing for querying them on-the-fly without materializing them as RDF. We demonstrate how Ontop4theWeb can use SPARQL to uniformly query popular, but heterogeneous Web data sources, like HTML tables and Web APIs. We showcase our approach in a number of use cases, such as Twitter, Foursquare, Yelp and HTML tables. We carried out a thorough experimental evaluation which verifies the high efficiency of our framework, which goes beyond the current state-of-the-art in this area, in terms of both functionality and performance.

연구 동기 및 목표

• HTML 테이블 및 REST API와 같은 이질적인 데이터 소스에 대해 사전 데이터 물리적 저장 없이도 통일된 SPARQL 쿼리 접근 방식을 제공하여 웹 데이터의 다양성과 속도 문제를 해결하고자 한다.
• 기존 시스템이 고유한 SPARQL 확장 기능에 의존하거나 HTML 테이블을 지원하지 않거나 캐싱 및 데이터 통합을 비효율적으로 처리하는 등의 한계를 극복하고자 한다.
• 표준 SPARQL 및 R2RML를 사용하여 확장 가능하고 표준 준수된 솔루션을 제공함으로써 제3자 서비스(예: 감성 분석)와의 원활한 통합을 가능하게 하고자 한다.
• 트위터, 퍼스퀄, 야놀라, 위키백과와 같은 실제 고속 웹 데이터 소스에서 가상 RDF 그래프 생성의 실현 가능성과 성능을 입증하고자 한다.
• SERVICE-to-API와 같은 기존 접근 방식과 비교하여 성능, 정확도, 캐싱 활용도 측면에서 시스템의 우수성을 검증하고자 한다.

제안 방법

• R2RML 매핑 내에 통합된 가상 테이블 연산자를 통해 SQL을 확장하여, 웹 데이터(예: HTML 테이블 또는 REST API)를 쿼리 시점에 동적으로 가져와 가상 RDF 삼항족으로 매핑한다.
• 마이크로서비스 아키텍처를 활용하여 모듈화되고 조합 가능한 데이터 검색 및 외부 서비스(예: 감성 분석 또는 데이터 강화)와의 통합을 가능하게 한다.
• 모든 API 호출에 대해 전체 가상 테이블을 저장하는 구성 가능한 캐싱 메커니즘을 적용하여 캐시 히트율을 극대화하고 중복 호출을 줄인다.
• 온톨로지 기반 데이터 액세스(OBDA)를 활용하여 가상 관계형 데이터를 RDF 용어로 매핑함으로써 가상 그래프 위에서 완전한 SPARQL 쿼리 처리를 가능하게 한다.
• 차가운 캐시 및 따뜻한 캐시 상황을 모두 지원하며, 다양한 데이터 업데이트 빈도와 쿼리 워크로드 하에서 성능을 평가한다.
• 기존 세미틱 웹 도구와의 호환성을 보장하고 독자적인 확장 기능을 피하기 위해 표준 R2RML 및 SPARQL를 통합한다.

실험 결과

연구 질문

• RQ1 HTML 테이블 및 REST API와 같은 다양한 고속 웹 데이터 소스에 대해 사전 데이터 물리적 저장 없이도 통일된 SPARQL 쿼리 접근이 가능한가?
• RQ2 Ontop4theWeb의 성능은 SERVICE-to-API와 같은 기존 시스템과 비교해 응답 시간과 캐싱 효율성 측면에서 어떻게 다를까?
• RQ3 고속 업데이트 빈도를 가진 복잡한 이질적 데이터 소스를 쿼리할 때 시스템의 결과 정확도를 얼마나 유지할 수 있는가?
• RQ4 캐싱 메커니즘을 효과적으로 활용하여 API 호출 횟수를 줄이고 확장성을 향상시킬 수 있는가?
• RQ5 감성 분석과 같은 제3자 서비스 통합은 가상화된 실시간 데이터 액세스 모델 내에서 어떻게 작동하는가?

주요 결과

• Ontop4theWeb은 최대 10만 행에 이르는 웹 테이블에 대해 몇 분 내로 SPARQL 쿼리를 처리하여 높은 확장성과 실시간 처리 가능성의 가능성을 입증한다.
• 시스템은 SERVICE-to-API 대비 최대 3배 빠른 성능을 보이며, 이는 매번 한 튜플씩이 아니라 전체 결과 세트를 하나의 API 호출로 가져오기 때문이다.
• Ontop4theWeb은 모든 API 호출에 대해 전체 가상 테이블을 캐시하므로 캐싱을 완전히 활용하지만, SERVICE-to-API는 한 번에 하나의 튜플만 캐시하므로 캐싱 효율성이 현저히 떨어진다.
• 두 시스템 모두 100% 리콜을 달성하지만, Ontop4theWeb은 모든 6개의 쿼리에서 100% 정밀도와 F1 스코어를 유지하는 반면, SERVICE-to-API는 카티esian 곱 연산으로 인해 가짜 양성 결과가 발생한다.
• 결과적으로 Ontop4theWeb은 부분 데이터 저장이 필요 없이 정확한 결과를 생성함을 확인하였으며, 이는 SERVICE-to-API가 잘못된 결과를 방지하기 위해 추가 캐싱 저장소가 필요하다는 점과 대비된다.
• 실험적 평가를 통해 Ontop4theWeb이 특히 고속 및 이질적 데이터 환경에서 최신 기술 수준의 성능과 功能을 초월함을 확인하였다.