[논문 리뷰] The Empusa code generator: bridging the gap between the intended and the actual content of RDF resources

Jesse C. J. van Dam, Jasper J. Koehorst외 2명|arXiv (Cornell University)|2018. 12. 11.

Semantic Web and Ontologies참고 문헌 7인용 수 6

한 줄 요약

Empusa는 통합 입력으로부터 OWL 및 ShEx 스키마, 검증된 API(R 및 자바), 마크다운 문서화 및 시각화를 자동으로 생성함으로써 의도한 RDF 온톨로지 구조와 실제 데이터 내용 사이의 격차를 메우는 코드 생성기입니다. 이는 온톨로지, 데이터 구조 및 내용 간의 일관성을 보장하여 생명과학 분야의 의미 웹 애플리케이션에서 오류와 개발 시간을 줄입니다.

ABSTRACT

The RDF data model facilitates integration of diverse data available in structured and semi-structured formats. To obtain an RDF graph with a low amount of errors and internal redundancy, the chosen ontology must be consistently applied. However, with each addition of new diverse data the ontology must evolve thereby increasing its complexity, which could lead to accumulation of unintended erroneous composites. Thus, there is a need for a gatekeeping system that compares the intended content described in the ontology with the actual content of the resource. Here we present Empusa, a tool that has been developed to facilitate the creation of composite RDF resources from disparate sources. Empusa can be used to convert a schema into an associated application programming interface (API) that can be used to perform data consistency checks and generates Markdown documentation to make persistent URLs resolvable. In this way, the use of Empusa ensures consistency within and between the ontology (OWL), the Shape Expressions (ShEx) describing the graph structure, and the content of the resource.

연구 동기 및 목표

• 이질적인 생명과학 자원에서 의도한 RDF 온톨로지 정의와 실제 데이터 내용 간의 일관성 문제를 해결하기 위해.
• RDF 기반 온톨로지 및 관련 데이터 파이프라인을 개발하고 유지보수하는 데 소요되는 수작업과 오류율을 줄이기 위해.
• 생성 중에 데이터를 온톨로지 및 구조적 제약 조건에 따라 검증하는 게이트키핑 시스템을 제공하기 위해.
• 자동으로 재사용 가능한 코드와 문서화를 생성함으로써 의미 웹 도구 개발을 간소화하기 위해.
• GBOL 스택 및 유사한 대규모 온톨로지 지원을 위해 확장 가능하고 일관되며 유지보수 가능한 데이터 모델링을 가능하게 하기 위해.

제안 방법

• Protégé 내에서 OWL 클래스와 단순화된 ShEx 형식의 속성 정의를 통합 입력으로 수용합니다.
• 클래스 계층 구조는 RDFS를 사용하고, 속성의 다중성(0..1, 1..1, 0..N, 1..N)과 대상 값 유형은 ShEx를 사용하여 정의합니다.
• 표준 호환성을 유지하기 위해 전체 OWL 파일을 생성하고, 데이터 검증을 위해 ShEx 파일도 생성합니다.
• 데이터 생성 중 구조적 제약 조건을 강제하는 R 및 자바 API를 자동으로 생성합니다.
• rdfs:label 및 skos:description를 사용하여 해석 가능한 인간 친화적 URL을 갖는 마크다운 문서화를 생성합니다.
• RDF2Graph를 활용하여 Cytoscape에서 직관적인 온톨로지 브라우징을 위한 시각화를 생성합니다.

실험 결과

연구 질문

• RQ1 데이터 생성 중에 온톨로지의 의도된 구조와 실제 RDF 데이터 내용 간의 일관성이 어떻게 보장될 수 있는가?
• RQ2 자동 코드 및 문서화 생성이 대규모 RDF 기반 온톨로지의 유지보수성과 확장성에 미치는 영향은 무엇인가?
• RQ3 OWL 및 ShEx에 대한 통합 입력 형식이 데이터 모델링 및 검증 오류를 얼마나 줄일 수 있는가?
• RQ4 대규모 의미 웹 프로젝트에서 수작업 개발에 비해 Empusa 사용이 시간과 노력에 어떤 영향을 미치는가?
• RQ5 자동 API 생성이 RDF 데이터 내보내기에서 타입 안정성과 다중성 제약 조건을 보장할 수 있는가?

주요 결과

• Empusa는 GBOL 스택의 80,000 라인 코드를 생성하는데 약 1년 분량의 수작업(시간당 50라인)이 예상되던 작업을 거의 즉각적인 생성으로 줄였습니다.
• 이 도구는 단일 입력으로부터 일관되고 검증된 출력(OWL, ShEx, R 및 자바 API, 마크다운 문서화, 시각화)을 성공적으로 생성했습니다.
• 생성된 API는 다중성 및 타입 제약 조건을 강제하여 누락된 타입, 잘못된 술어, 고유하지 않은 IRI와 같은 일반적인 RDF 데이터 오류를 크게 줄였습니다.
• rdfs:label 및 skos:description를 사용한 마크다운 문서화는 온톨로지 요소에 대해 해석 가능하고 지속 가능한 URL을 제공합니다.
• RDF2Graph 통합을 통해 Cytoscape에서 온톨로지를 시각적으로 브라우징할 수 있게 되어 사용성과 점검 능력이 향상되었습니다.
• Empusa는 개발 중 온톨로지의 일관된 진화를 가능하게 하여 의도한 구조와 실제 데이터 구조 간의 이격을 최소화합니다.