[논문 리뷰] Ontology alignment repair through modularization and confidence-based heuristics

Emanuel Santos, Daniel Faria외 2명|arXiv (Cornell University)|2013. 07. 19.

Semantic Web and Ontologies인용 수 8

한 줄 요약

이 논문은 생물의학 온톨로지 대응에서 논리적 비일관성의 원인을 차지하는 조각들을 분리하기 위해 온톨로지 모듈화를 사용하고, 신뢰도 기반 히ュ리스틱을 적용하여 비일관성과 제거된 매핑 수를 모두 최소화하는 새로운 온톨로지 대응 보정 기법을 제안한다. 생물의학 온톨로지 대응에서 평가한 결과, 최신 기술 대비 비일관성과 F-측정치에서 뛰어난 성능을 보이며, 열등한 표준 대응을 생성한다.

ABSTRACT

Ontology Matching aims to find a set of semantic correspondences, called an alignment, between related ontologies. In recent years, there has been a growing interest in efficient and effective matching methods for large ontologies. However, most of the alignments produced for large ontologies are logically incoherent. It was only recently that the use of repair techniques to improve the quality of ontology alignments has been explored. In this paper we present a novel technique for detecting incoherent concepts based on ontology modularization, and a new repair algorithm that minimizes the incoherence of the resulting alignment and the number of matches removed from the input alignment. An implementation was done as part of a lightweight version of AgreementMaker system, a successful ontology matching platform, and evaluated using a set of four benchmark biomedical ontology matching tasks. Our results show that our implementation is efficient and produces better alignments with respect to their coherence and f-measure than the state of the art repairing tools. They also show that our implementation is a better alternative for producing coherent silver standard alignments.

연구 동기 및 목표

• 대규모 온톨로지 대응에서 이산성 제약으로 인한 논리적 비일관성 문제를 해결하기 위해.
• 보정 과정에서 제거되는 매핑 수를 최소화하면서도 대응의 비일관성 수준을 최대한 높이기 위해.
• 대규모 생물의학 온톨로지에 대해 기존 추론 기반 보정 기법의 확장성 한계를 극복하기 위해.
• 모듈화와 신뢰도 기반 필터링을 활용한 효율적이고 근사 최적의 보정 프로세스를 개발하기 위해.

제안 방법

• 이산성으로 인한 비일관성 원인을 유발하는 클래스와 관계만 포함하는 핵심 온톨로지 조각을 온톨로지 모듈화를 통해 추출한다.
• 가장 근사 최적의 매핑 제거 집합을 식별하기 위해 히ュ리스틱을 적용한다. 이때 낮은 신뢰도를 가진 매핑을 우선순위로 한다.
• 매핑의 신뢰도 값을 필터로 활용하여 보정 과정을 이끌고, 대응의 재현율에 미치는 영향을 최소화한다.
• 통합 및 평가를 위해 AgreementMaker 시스템의 수정 버전(OMSZ) 내 경량 보정 모듈을 구현한다.
• 확장성을 유지하면서도 결과의 높은 비일관성 수준을 확보하기 위해 국소적이고 완전하지 않은 보정 전략을 채택한다.
• 은은한 기준 기반 벤치마크를 사용하여 네 가지 OAEI 대규모 생물의학 트랙 대응 작업에서 접근 방식을 검증한다.

실험 결과

연구 질문

• RQ1 온톨로지 모듈화가 대규모 온톨로지 대응에서 비일관성의 원인이 되는 최소한의 조각을 효과적으로 분리할 수 있는가?
• RQ2 신뢰도 기반 필터링은 보정 과정에서 대응의 비일관성과 재현율 간의 트레이드오프를 어떻게 향상시킬 수 있는가?
• RQ3 기존 도구들과 비교해 볼 때, 제안된 방법은 비일관성을 얼마나 줄이고 매핑 제거 수를 최소화할 수 있는가?
• RQ4 대규모 생물의학 온톨로지에 대해 품질을 희생시키지 않고도 확장성과 효율성을 확보할 수 있는 보정 프로세스를 설계할 수 있는가?
• RQ5 신뢰도 임계값의 선택이 최종 대응 품질과 비일관성 수준에 어떤 영향을 미치는가?

주요 결과

• FMA-NCI 대응에서 제안된 방법은 정밀도 97.5%, 재현율 71.5%, F-측정치 83.5%를 기록하여 LogMap2와 ALCOMO보다 비일관성과 F-측정치에서 뚜렷한 우월성을 보였다.
• FMA-SNOMED 작업에서 OMSZ는 원래의 12,369개의 비일관성 클래스 대비 단 8개의 비일관성 클래스를 가진 일관성 있는 대응을 생성했고, LogMap2는 242개의 비일관성 클래스를 기록했다.
• SNOMED-NCI 대응에서 OMSZ는 필터링 없이도 F-측정치를 0.9% 향상시켜 74.7%까지 올렸고, LogMap2는 0.3%의 개선에 그쳤다.
• 신뢰도 임계값 0.1을 사용한 필터링은 FMA-SNOMED 케이스에서 비일관성 클래스를 단 8개로 줄여 신뢰도 기반 필터링의 효과를 입증했다.
• ALCOMO는 두 작업(FMA-SNOMED 및 SNOMED-NCI)에서 완료하지 못했고, LogMap2는 제안된 방법보다 훨씬 더 많은 비일관성 클래스를 생성했다.
• 제안된 방법은 OAEI 공식 도구가 제공하는 보정된 은은한 표준 대응보다 더 우수한 은은한 표준 대응을 생성하여, 벤치마크에서의 우월성을 입증했다.