[논문 리뷰] RDF Knowledge Graph Visualization From a Knowledge Extraction System

Fadhela Kerdjoudj, Olivier Curé|arXiv (Cornell University)|2015. 10. 01.

Semantic Web and Ontologies참고 문헌 3인용 수 4

한 줄 요약

이 논문은 자연어 처리(NLP)와 온톨로지 기반 규칙 매칭을 통해 텍스트에서 구조화된 지식을 추출하여, 다국어 레이블과 상호작용 가능한 툴팁을 지원하는 다국어 RDF 지식 그래프 시각화 시스템을 제시한다. 사용자는 개념이나 개별 개체를 선택하여 하위 그래프를 탐색할 수 있다. 이 시스템은 OWL/SPARQL, Graphviz 渲 렌더링, Jena API를 활용하여 실제 텍스트에서 유래한 복잡하고 밀도가 높은 지식 그래프를 직관적이고 언어에 확장된 방식으로 표현한다.

ABSTRACT

In this paper, we present a system to visualize RDF knowledge graphs. These graphs are obtained from a knowledge extraction system designed by GEOLSemantics. This extraction is performed using natural language processing and trigger detection. The user can visualize subgraphs by selecting some ontology features like concepts or individuals. The system is also multilingual, with the use of the annotated ontology in English, French, Arabic and Chinese.

연구 동기 및 목표

• 긴 텍스트에서 추출된 대규모이고 밀도가 높은 RDF 지식 그래프를 시각화하는 데 도전 과제를 해결하기 위해.
• 영어, 프랑스어, 아랍어, 중국어로 온톨로지 요소를 주석 처리하여 다국어 이해를 지원하기 위해.
• 온톨로지 개념이나 개별 개체를 기반으로 편면 하위 그래프 선택을 통해 사용자가 관련 지식을 탐색할 수 있도록 하기 위해.
• URI를 인간이 읽기 쉬운 레이블과 아이콘으로 대체하고 상호작용 가능한 툴팁을 추가하여 사용성 향상시키기 위해.
• 소스 텍스트와의 통합을 통해 사용자가 노드를 강조 표시하는 방식으로 시각화를 활성화하기 위해.

제안 방법

• 시스템은 NLP 작업의 파이프라인을 사용한다: 토큰화, 형태소구문 분석, LOD 기반 및 규칙 기반 트리거를 통한 명명된 엔터티 인식, 그리고 지시어 및 否정문 처리를 포함한 문법 분석.
• 트리거(예: 'go'는 Displacement에 해당)는 문법적 구조에 기반한 규칙 기반 패턴 매칭을 통해 온톨로지 클래스에 매핑된다.
• 사전 정의된 규칙 패턴을 사용하여 삼항관계를 생성하고 RDF로 저장하며, 공명성 해결 및 암시적 정보 추론을 통해 강화된다.
• 시각화 레이어는 Jena API를 통해 온톨로지 분석을 수행하여 클래스, 속성, 다국어 레이블을 추출한다.
• 그래프는 DOT 형식의 Graphviz를 사용하여 렌더링되며, 노드는 인스턴스 유형에 따라 레이블링되고, 간선은 객체 속성에 따라 레이블링된다.
• 상호작용 기능으로는 데이터 유형 속성의 툴팁 표시, 소스 텍스트로의 하이퍼링크, 사용자가 설정한 깊이 매개변수에 따라 동적으로 하위 그래프의 깊이를 제어하는 기능이 포함된다.

실험 결과

연구 질문

• RQ1 비정형 텍스트에서 추출된 RDF 지식 그래프를 효과적으로 시각화하면 사용자의 이해를 어떻게 지원할 수 있는가?
• RQ2 다국어 온톨로지 주석이 지식 그래프의 접근성과 사용성 향상에 어떤 역할을 하는가?
• RQ3 개념이나 개별 개체를 기반으로 한 하위 그래프 선택은 대규모 지식 그래프에서 시각적 복잡성을 어떻게 줄일 수 있는가?
• RQ4 툴팁과 텍스트 연결과 같은 상호작용 기능이 추출된 지식의 탐색과 해석을 얼마나 향상시킬 수 있는가?
• RQ5 NLP와 온톨로지 기반 추출을 시각화와 통합하여 의미의 정확성과 사용자 명확성을 유지할 수 있는가?

주요 결과

• 시스템은 온톨로지 개념이나 개별 개체를 기반으로 하위 그래프 선택을 허용하여 대규모 RDF 그래프의 뷰를 집중적으로 탐색할 수 있도록 하여 시각적 복잡성을 효과적으로 줄였다.
• 영어, 프랑스어, 아랍어, 중국어로 제공되는 다국어 레이블은 사용자가 선호하는 언어로 동일한 지식 그래프를 볼 수 있도록 하여 접근성을 향상시켰다.
• URI가 아닌 레이블 사용은 원시 URI 기반 표현 방식에 비해 사용자 읽기 가능성과 탐색성에 상당한 향상을 이뤘다.
• 툴팁을 통해 마우스 온 시 데이터 유형 속성의 정보를 표시함으로써 메인 그래프 뷰의 혼잡함 없이도 세부 정보를 제공할 수 있었다.
• 노드를 마우스 온 시 소스 텍스트로 연결함으로써 사용자는 추출된 사실을 원본 텍스트의 트리거로 추적할 수 있었고, 이는 추적 가능성과 신뢰도를 향상시켰다.
• Jena API와 Graphviz의 통합을 통해 복잡하고 의미적으로 풍부한 지식 그래프를 여러 형식(PNG, SVG, PDF)으로 확장 가능한 렌더링이 가능해졌다.