[論文レビュー] A Markov Model for Ontology Alignment

Michael E. Cotterell, Terrance Medina|arXiv (Cornell University)|Apr 20, 2013

Semantic Web and Ontologies参考文献 16被引用数 5

ひとこと要約

本稿では、構造的伝播をガイドするための確率的エッジ信頼度スコアを組み込むことで、類似度フラッディングアルゴリズムを改善する、強化されたマーコフモデルであるEdge Confidenceを提案する。この手法は、類似度フラッディングアルゴリズムの性能を著しく向上させ、再現率とF-measureを顕著に向上させるが、精度は競争力のある水準を維持する。OAEIベンチマークとSEALS評価プラットフォームを用いた評価で、優れた性能を示している。

ABSTRACT

The explosion of available data along with the need to integrate and utilize that data has led to a pressing interest in data integration techniques. In terms of Semantic Web technologies, Ontology Alignment is a key step in the process of integrating heterogeneous knowledge bases. In this paper, we present the Edge Confidence technique, a modification and improvement over the popular Similarity Flooding technique for Ontology Alignment.

研究の動機と目的

• セマンティックウェブおよびエンタープライズシステムにおける異種知識ベース統合における意味的不整合の課題に対処すること。
• 構造的ontology統合手法である類似度フラッディングアルゴリズムを、確率的エッジ信頼度メカニズムを導入することで改善すること。
• 標準化されたベンチマークとメトリクス（精度、再現率、F-measure）を用いて、元のアルゴリズムと比較して改良手法の評価を行うこと。
• 信頼度でガイドされたより能動的な伝播戦略が、偽陽性率の上昇にもかかわらず、全体的な統合品質を向上させることを示すこと。

提案手法

• Edge Confidence手法は、構造的類似性と伝播行動に基づいて、整合グラフ内のエッジに信頼度スコアを割り当てる点で、類似度フラッディングアルゴリズムを変更する。
• 信頼度値をグラフ全体にわたって伝播させるためにマーコフモデルを用い、2つのontology要素が意味的に同等である確率をモデル化する。
• 各エッジの信頼度スコアは、ontologyの構造から導出された確率的遷移モデルを用いて反復的に更新される。
• 最終的な信頼度重み付きグラフに対してハンガリアン法を適用し、最大重み二部マッチングを計算することで、最終的な整合を生成する。
• 自動評価と比較のため、OAEIの文献的ontologyベンチマークとSEALSプラットフォームを活用する。
• エッジ信頼度は、局所的類似性とグローバルな構造的一致性の両方を反映させることで、有効な対応関係への感受性を高めている。

実験結果

リサーチクエスチョン

• RQ1 確率的エッジ信頼度モデルは、精度を損なわせることなく、類似度フラッディングアルゴリズムの再現率とF-measureを向上させることができるか？
• RQ2 エッジ伝播に信頼度スコアを組み込むことで、実世界のベンチマークにおけるontology統合の品質にどのような影響を与えるか？
• RQ3 信頼度でガイドされたより能動的な伝播戦略は、元のアルゴリズムよりも全体的な統合品質において優れていると評価できるか？
• RQ4 エッジ信頼度は、オブジェクトプロパティ間の構造的関係をどの程度正確に捉えることができるか？

主な発見

• Edge Confidenceは、複数のOAEIベンチマークテストにおいて、類似度フラッディングアルゴリズムを著しく上回るF-measureを達成しており、しばしば1桁以上も向上している。
• より能動的な伝播により、類似度フラッディング法よりも再現率が高いため、有効な対応関係の検出能力が向上している。
• 偽陽性率が高めでも、Edge Confidenceは競争力のある精度を維持しており、信頼度スコアリング機構が誤検出を効果的にフィルタリングしていることを示している。
• F-measureの向上は、Edge Confidenceが元のアルゴリズムよりも、精度と再現率のバランスをより効果的に最適化できていることを示している。
• SEALSプラットフォームでの評価により、改良手法が文献的ontologyベンチマークにおいて一貫して高品質な統合を生成することが確認された。
• 結果から、信頼度に基づく伝播は、構造的ontology統合手法における実用的で効果的な拡張であると示唆される。