[논문 리뷰] Transforming RDF-star to Property Graphs: A Preliminary Analysis of Transformation Approaches -- extended version

Ghadeer Abuoda, Daniele Dell’Aglio외 2명|arXiv (Cornell University)|2022. 10. 11.

Semantic Web and Ontologies참고 문헌 25인용 수 4

한 줄 요약

이 논문은 RDF-star 그래프를 성질 그래프로 매핑하기 위한 두 가지 변환 접근법—RDF-위상 보존(RPT) 및 성질 그래프 변환(PGT)—를 평가하고 비교한다. 기존 도구 중에서 RDF-star 구조를 완전히 지원하는 것이 없으며, RPT는 의미적 정확성을 유지하지만 그래프 크기가 커지고, PGT는 노드와 간선 수를 줄여 스케일러비리티를 향상시키지만 명시적 구조적 관계를 잃는다는 점을 확인한다. 사용 사례 요건, 예를 들어 온톨로지 가용성, 성능, 데이터 공유 요구사항에 따라 RPT와 PGT 중 어느 것을 선택할지가 달라진다.

ABSTRACT

RDF and property graph models have many similarities, such as using basic graph concepts like nodes and edges. However, such models differ in their modeling approach, expressivity, serialization, and the nature of applications. RDF is the de-facto standard model for knowledge graphs on the Semantic Web and supported by a rich ecosystem for inference and processing. The property graph model, in contrast, provides advantages in scalable graph analytical tasks, such as graph matching, path analysis, and graph traversal. RDF-star extends RDF and allows capturing metadata as a first-class citizen. To tap on the advantages of alternative models, the literature proposes different ways of transforming knowledge graphs between property graphs and RDF. However, most of these approaches cannot provide complete transformations for RDF-star graphs. Hence, this paper provides a step towards transforming RDF-star graphs into property graphs. In particular, we identify different cases to evaluate transformation approaches from RDF-star to property graphs. Specifically, we categorize two classes of transformation approaches and analyze them based on the test cases. The obtained insights will form the foundation for building complete transformation approaches in the future.

연구 동기 및 목표

• 모델 간 의미적 및 구조적 차이로 인해 RDF-star 그래프를 성질 그래프로 변환하는 것의 가능성과 과제를 분석하기 위해.
• RDF-star에서 성질 그래프로의 매핑을 위한 변환 접근법—RDF-위상 보존(RPT) 및 성질 그래프 변환(PGT)—을 식별하고 분류하기 위해.
• 포괄적인 테스트 세트를 사용하여 기존 도구(Neosemantics, RDF-star Tools, RDF2PG)를 평가하여 커버리지 및 한계를 점검하기 위해.
• 실세계 응용 프로그램에서 의미적 정확성, 성능, 표현력을 균형 잡는 데 도움이 되는 하이브리드 변환 접근법 설계를 위한 통찰을 제공하기 위해.

제안 방법

• 저자들은 중첩된 삼항관계, 삼항관계에 대한 메타데이터, 복잡한 성질 구조 등을 포함한 다양한 RDF-star 구조를 다루는 16개의 테스트 케이스를 정의한다.
• 변환 접근법을 두 가지 유형으로 분류한다: RDF-위상 보존(RPT)은 각 RDF-star 삼항관계를 별개의 간선으로 매핑하고, 성질 그래프 변환(PGT)은 성질을 노드나 간선에 통합한다.
• 이 테스트 케이스들을 체계적으로 적용하여 세 가지 기존 도구(Neosemantics, RDF-star Tools, RDF2PG)의 지원 정도를 평가한다.
• 노드 및 간선 수, 의미적 정확성, 메타데이터 및 기원 추적 지원 등을 기준으로 변환 결과를 비교 분석한다.
• 스마트 홈, 금융 서비스, 연결된 개방형 데이터 등의 실세계 응용 사례를 활용하여 성능 및 표현력 간의 트레이드오프를 분석한다.
• 연구 결과로 RPT는 의미적 관계를 더 잘 유지하지만 그래프 크기가 커지고, PGT는 그래프 크기를 줄여 성능을 향상시키지만 명시적 구조적 관계를 손실한다는 점을 확인했다.

실험 결과

연구 질문

• RQ1 기존 도구들은 성질 그래프로의 변환 과정에서 RDF-star의 전반적인 구성 요소를 어떻게 다루는가?
• RQ2 표현력과 성능 측면에서 RDF-위상 보존(RPT)과 성질 그래프 변환(PGT) 접근법 간의 핵심 차이점과 상충 관계는 무엇인가?
• RQ3 온톨로지 가용성, 데이터 복잡도, 쿼리 워크로드를 고려할 때, RPT가 PGT보다 유리한 응용 환경은 무엇이며, 반대로 PGT가 더 유리한 경우는 언제인가?
• RQ4 RPT와 PGT의 장점을 결합하여 의미적 정확성과 확장성을 모두 확보할 수 있는 하이브리드 변환 접근법을 설계할 수 있는가?

주요 결과

• 평가된 도구들인 Neosemantics, RDF-star Tools, RDF2PG 중 어느 것도 16개의 테스트 케이스를 모두 지원하지 않아, 현재 RDF-star에 대한 변환 기능에 여전히 격차가 있음을 시사한다.
• RPT 접근법은 각 삼항관계를 별개의 간선으로 모델링함으로써 의미적 관계를 잘 유지하지만, 노드와 간선 수가 증가하여 그래프 복잡도가 높아진다.
• PGT 접근법은 성질을 노드나 간선에 통합함으로써 그래프 크기를 줄여 대규모 분석 워크로드에서 더 나은 쿼리 성능을 제공한다.
• 금융 서비스나 생명과학 분야처럼 잘 정의된 온톨로지가 존재하는 응용 분야에서는 RPT가 명시적 의미적 관계를 유지할 수 있다는 점에서 선호된다.
• 연결된 개방형 데이터 또는 표 형태 데이터 통합과 같은 분야에서는 PGT가 존재하는 성질 그래프 워크플로우와의 호환성과 낮은 계산 오버헤드 덕분에 더 적합하다.
• RPT와 PGT의 장점을 조합한 하이브리드 접근법은 향후 연구의 유망한 방향으로 확인되었으며, 응용 분야에 맞게 변환을 맞춤화할 수 있도록 한다.