[논문 리뷰] Principles for Developing a Knowledge Graph of Interlinked Events from News Headlines on Twitter

Saeedeh Shekarpour, Ankita Saxena외 3명|arXiv (Cornell University)|2018. 08. 06.

Semantic Web and Ontologies참고 문헌 17인용 수 3

한 줄 요약

이 논문은 실시간 트위터 뉴스 헤드라인에서 연쇄된 사건들을 연결된 지식 그래프로 구축하기 위한 도메인에 관계없이 적용 가능한 파이프라인을 제시한다. 이는 사건 및 실체 주석 처리, 시간과 미디어 간의 상호링크, 그리고 Linked Open Data 원칙 준수를 포함하는 체계적인 접근 방식을 사용한다. 주요 기여는 CEVO 온톨로지와 RDF 기반의 사건 모델링을 기반으로 한 체계적인 프레임워크이며, 트위터 뉴스 헤드라인 사례 연구를 통해 이를 입증하였다.

ABSTRACT

The ever-growing datasets published on Linked Open Data mainly contain encyclopedic information. However, there is a lack of quality structured and semantically annotated datasets extracted from unstructured real-time sources. In this paper, we present principles for developing a knowledge graph of interlinked events using the case study of news headlines published on Twitter which is a real-time and eventful source of fresh information. We represent the essential pipeline containing the required tasks ranging from choosing background data model, event annotation (i.e., event recognition and classification), entity annotation and eventually interlinking events. The state-of-the-art is limited to domain-specific scenarios for recognizing and classifying events, whereas this paper plays the role of a domain-agnostic road-map for developing a knowledge graph of interlinked events.

연구 동기 및 목표

• 기존 Linked Open Data 소스에서 고품질의 의미론적 주석이 부여된 실시간 사건 데이터의 부족을 해결하기 위해.
• 비정형이고 실시간 텍스트에서 상호링크된 사건의 지식 그래프를 구축하기 위한 체계적이고 재사용 가능한 파이프라인을 개발하기 위해.
• 특정 위치, 시간 및 출판사와 관련된 복잡한 시간 및 출처 제한이 있는 질의를 지원하기 위해.
• 시간 및 미디어 맥락 간의 사건 주석, 실체 연결 및 상호링크를 위한 표준화된 접근 방식을 제공하기 위해.
• 결과 지식 그래프가 일관성 있고 참조 가능하며 LOD 원칙을 통해 외부 RDF 소스와 상호링크될 수 있도록 보장하기 위해.

제안 방법

• 세부적인 사건 유형과 그 인자들을 표현하기 위해 배경 데이터 모델로 CEVO 온톨로지를 채택하기 위해.
• 다단계 파이프라인 설계: (1) 배경 데이터 모델 선택, (2) 자연어 처리 기법을 통한 사건 및 실체 주석 처리, (3) SKOS:related를 사용한 시간 및 미디어 간 사건 상호링크.
• 전 세계적으로 고유하고 참조 가능한 URI를 가진 이벤트 삼중항을 RDF 직렬화를 통해 게시하기 위해.
• 외부 지식 기반과의 일치, 중복 제거 및 검증을 통해 데이터 일관성 확보하기 위해.
• 프레임워크의 타당성을 입증하기 위해 실시간 데이터 스트림으로서 트위터 뉴스 헤드라인을 사용하기 위해.
• 사건 인식, 분류 및 관계 추출을 위한 기존의 NLP 및 정보 추출 기법 활용하기 위해.

실험 결과

연구 질문

• RQ1 지식 그래프에서 사건을 표현하고 상호링크하기 위한 배경 데이터 모델 선택에 있어 고려해야 할 기준은 무엇인가?
• RQ2 비정형이고 실시간 텍스트(예: 트위터 뉴스 헤드라인)에서 사건과 관련된 실체를 어떻게 체계적으로 주석 처리할 수 있는가?
• RQ3 다른 시간대와 미디어 소스 간에 사건을 효과적으로 상호링크하기 위한 전략은 무엇인가?
• RQ4 결과로 도출된 사건 지식 그래프는 어떻게 Linked Open Data 원칙을 준수하여 게시될 수 있는가?
• RQ5 이 프레임워크는 뉴스 헤드라인을 초월해 다양한 도메인으로 일반화될 수 있는가?

주요 결과

• 제안된 파이프라인은 실시간 비정형 트위터 뉴스 헤드라인에서 의미론적으로 풍부한 사건 중심의 지식 그래프를 구축할 수 있다.
• CEVO 온톨로지의 사용은 사건 유형과 그 인자들을 세밀하게 표현할 수 있게 하여 고도화된 사건 추론을 지원한다.
• SKOS:related를 사용한 사건 상호링크는 시간과 미디어 간의 인과적, 시간적, 관련 사건 체인을 모델링하는 데 기여한다.
• 참조 가능한 URI, 데이터 검증 및 외부 상호링크를 통해 프레임워크는 Linked Open Data 원칙 준수를 보장한다.
• 사례 연구는 트위터와 같은 동적인 실시간 데이터 스트림에서 이벤트 삼중항을 추출하고 게시하는 데의 타당성을 입증한다.
• 이 접근 방식은 향후 실시간, 출처 인식이 가능한, 시간 주석이 부여된 사건 지식이 필요한 시스템을 위한 확장 가능한 도메인에 관계없이 적용 가능한 기반을 제공한다.