[논문 리뷰] A Graph Analysis of the Linked Data Cloud

Marko A. Rodriguez|ArXiv.org|2009. 03. 02.

Semantic Web and Ontologies참고 문헌 19인용 수 20

한 줄 요약

이 논문은 2009년 2월 27일의 시각화 자료를 바탕으로 2009년 3월 기준 연결된 데이터 클라우드의 구조를 분석한다. 방향성 있는 그래프를 구성하고, PageRank 중심성 및 혼합성 분석과 같은 그래프 분석 기법을 적용한다. 주요 발견은 트리플 수가 많은 데이터셋일수록 네트워크에서 더 중심적인 위치를 차지하며, 그래프는 약한 비동질성 혼합을 보여, 큰 데이터셋과 작은 데이터셋이 상호로 연결되는 경향이 있음을 시사한다. 이는 분산형이고 확장 가능한 데이터 통합 모델을 지지한다.

ABSTRACT

The Linked Data community is focused on integrating Resource Description Framework (RDF) data sets into a single unified representation known as the Web of Data. The Web of Data can be traversed by both man and machine and shows promise as the extit{de facto} standard for integrating data world wide much like the World Wide Web is the extit{de facto} standard for integrating documents. On February 27$^ ext{th}$ of 2009, an updated Linked Data cloud visualization was made publicly available. This visualization represents the various RDF data sets currently in the Linked Data cloud and their interlinking relationships. For the purposes of this article, this visual representation was manually transformed into a directed graph and analyzed.

연구 동기 및 목표

• 연결된 데이터 클라우드를 방향성 그래프로 분석하여 그 조직 구조와 확장성에 대한 이해를 도모한다.
• 데이터셋 크기(트리플 수)와 네트워크 내 중심성 간의 관계를 조사한다.
• 크기 기반 링크 선호도를 평가하기 위해 데이터셋 크기의 혼합성을 분석한다.
• 핵심 데이터셋이 네트워크의 연결성과 정보 흐름에서 수행하는 역할을 평가한다.
• 웹의 데이터에서의 구조적 패턴을 규명함으로써 분산형이고 확장 가능한 데이터 처리 모델의 개발을 지원한다.

제안 방법

• 2009년 2월 27일의 연결된 데이터 클라우드 시각화 자료를 수작업으로 변환하여 86개의 정점(데이터셋)과 182개의 간선(상호링크)을 가진 방향성 그래프로 구성하였다.
• 노드 중요도 평가를 위해 감쇠 인자 δ = 0.85를 사용한 PageRank 중심성을 계산하였다.
• 트리플 수와 PageRank 중심성 간의 관계를 평가하기 위해 스피어만 및 켄달 순위 상관계수 검정을 사용하였다.
• 공개된 트리플 수를 가진 31개 정점의 부분그래프에서 크기 기반 링크 선호도를 평가하기 위해 혼합성 분석을 수행하였다.
• 커뮤니티 구조는 주도 고유벡터 방법을 사용하여 식별하였으며, 시각화에는 프루흐터만-라인골트 레이아웃 알고리즘을 사용하였다.
• 모든 분석은 시각화 자료에서 유도된 정적 그래프를 대상으로 수행되었으며, 링크 가중치와 노드 크기는 무시되었다.

실험 결과

연구 질문

• RQ1 연결된 데이터 클라우드 내 데이터셋의 중심성은 트리플 수(크기)와 어떻게 관련이 있는가?
• RQ2 연결된 데이터 클라우드에서 큰 데이터셋과 작은 데이터셋 간의 링크 행동 양상은 어떠한가?
• RQ3 네트워크에서 가장 중심적인 데이터셋은 무엇이며, 어떤 도메인을 대표하는가?
• RQ4 데이터셋 크기 기준으로 그래프는 어느 정도 동질성 또는 비동질성을 보이는가?
• RQ5 연결된 데이터 클라우드의 구조적 성질은 분산형 데이터 처리에서의 확장성 또는 취약성에 대해 어떤 시사점을 제공하는가?

주요 결과

• 트리플 수와 PageRank 중심성 간의 스피어만 순위 상관계수는 ρ = 0.6274 (p < 0.00016)였으며, 강한 양의 상관관계를 나타낸다.
• 켄달 순위 상관계수는 τ = 0.4566 (p < 0.00039)였으며, 트리플 수가 많은 데이터셋일수록 중심성이 높다는 점을 추가로 확인한다.
• 트리플 수에 대한 혼합성 계수는 -0.2064 (p = 0.0302)였으며, 이는 약한 비동질성 혼합을 의미한다. 즉, 큰 데이터셋은 작은 데이터셋과, 작은 데이터셋은 큰 데이터셋과 연결되는 경향이 있다.
• 가장 중심적인 상위 15개 데이터셋은 주로 컴퓨터 과학(예: DBLP, CiteSeer)과 생물학(예: KEGG, UniProt) 분야에서 온 것으로 나타나, 도메인 특화 허브임을 시사한다.
• 그래프 구조는 강한 동질성을 보이지 않아, 큰 데이터셋이 집중적으로 연결되는 것이 아니라, 분산형이고 이질적인 링크 패턴을 띤다는 것을 의미한다.
• 이 분석은 웹의 데이터를 위한 확장 가능한 협업 처리를 가능하게 하기 위해 분산형 프로세스 인fra를 필요로 한다는 점을 뒷받침한다.