[논문 리뷰] TabEAno: Table to Knowledge Graph Entity Annotation

Phuc Nguyen, Natthawut Kertkeidkachorn외 2명|arXiv (Cornell University)|2020. 10. 05.

Data Quality and Management참고 문헌 26인용 수 5

한 줄 요약

TabEAno는 동일한 행 내 두 셀 간에 논리적 관계가 존재한다고 가정하는 새로운 '두 셀' 검색 전략을 사용하여 지식 그래프 엔티티에 대한 비지도적 표 테이블 애너테이션을 위한 접근법을 제안한다. 간단한 설계에도 불구하고 T2D, Limaye 및 위키백과 데이터셋에서 최신 기술을 초월하며, Hybrid I/II 대비 +0.06 F1 점수 향상과 대규모 데이터에서 높은 재현율을 달성한다.

ABSTRACT

In the Open Data era, a large number of table resources have been made available on the Web and data portals. However, it is difficult to directly utilize such data due to the ambiguity of entities, name variations, heterogeneous schema, missing, or incomplete metadata. To address these issues, we propose a novel approach, namely TabEAno, to semantically annotate table rows toward knowledge graph entities. Specifically, we introduce a "two-cells" lookup strategy bases on the assumption that there is an existing logical relation occurring in the knowledge graph between the two closed cells in the same row of the table. Despite the simplicity of the approach, TabEAno outperforms the state of the art approaches in the two standard datasets e.g, T2D, Limaye with, and in the large-scale Wikipedia tables dataset.

연구 동기 및 목표

• 의미적 모호성, 이름 변형, 부족한 메타데이터로 인해 표 형식 데이터에 지식 그래프 엔티티를 애너테이션하는 데 도전하는 문제를 해결하기 위해.
• 골드 표준 학습 데이터가 필요하지 않은 비지도 설정에서 표 엔티티 애너테이션을 향상시키기 위해.
• 이전 연구에서 간과되기 쉬운 구조 애너테이션 및 후보 생성 단계를 향상시키기 위해.
• 특히 오픈 도메인 및 웹 스케일 표에 대해 확장 가능하고 높은 재현율을 제공하는 대규모 표 애너테이션을 위한 해결책을 개발하기 위해.
• 비용이 많이 드는 학습 데이터에 의존하지 않기 때문에 실용적인 표 애너테이션 시스템의 구현을 가능하게 하기 위해.

제안 방법

• 표의 구조 수준 정확도를 향상시키기 위해 핵심 속성 및 헤더 애너테이션을 위한 히ュ리스틱 규칙을 도입한다.
• 동일한 행 내 두 셀 간에 지식 그래프 관계가 존재한다고 가정하는 '두 셀' 검색 전략을 제안한다.
• 대상 지식 그래프로 DBpedia를 사용하고, 한 행의 두 셀 값으로부터 후보 엔티티를 검색한다.
• 다양한 두 셀 조합의 결과를 집계하여 강력한 엔티티 후보 목록을 생성한다.
• 복잡한 학습 모델을 피하기 위해 후보 재순서 정렬을 단순한 집계 방식으로 적용한다.
• 기존 지식 그래프 엣지의 가이드를 활용하여 엔티티 연결을 유도하고, 학습 데이터 의존도를 낮춘다.

실험 결과

연구 질문

• RQ1 동일한 행 내 공존하는 셀 기반의 단순한 비지도 검색 전략이 표 엔티티 애너테이션 성능을 향상시킬 수 있는가?
• RQ2 제안된 두 셀 검색 전략은 F1 점수와 재현율 측면에서 최신 기술의 하이브리드 및 임베딩 기반 방법과 비교해 어떻게 성능을 내는가?
• RQ3 핵심 속성 및 헤더 애너테이션 향상에 기여하는 히ュ리스틱 개선이 종합적인 애너테이션 정확도에 얼마나 기여하는가?
• RQ4 학습 데이터가 필요 없이 대규모 데이터셋인 위키백과 표에 대해 효과적으로 확장 가능한가?
• RQ5 다양한 표 스키마와 데이터 유형 간에도 이 방법이 높은 성능을 유지하는가?

주요 결과

• T2D 데이터셋에서 TabEAno는 최신 기술인 Hybrid I 및 II 시스템 대비 +0.06 F1 점수 향상을 달성한다.
• Limaye 데이터셋에서 TabEAno는 Hybrid II 대비 +0.06 F1 점수 향상을 기록한다.
• 대규모 위키백과 표 데이터셋에서 TabEAno는 Hybrid II 대비 F1 점수를 +0.01 향상시켰다.
• 비지도 방식임에도 불구하고 TabEAno는 Hybrid II보다 높은 재현율을 확보하여 성공적인 애너테이션 수가 더 많음을 시사한다.
• 강화된 히ュ리스틱 규칙 덕분에 T2D에서 핵심 속성 애너테이션 정확도가 3% 향상되었고, 위키백과 데이터셋에서는 1% 향상되었다.
• 두 셀 검색 전략은 학습 데이터 없이도 높은 재현율과 강건성을 제공하여 다양한 표 유형 간에 뛰어난 일반화 능력을 입증했다.