[논문 리뷰] eLinda: Explorer for Linked Data

Oren Mishali, Tal Yahav외 2명|ArXiv.org|2017. 07. 24.

Semantic Web and Ontologies참고 문헌 8인용 수 5

한 줄 요약

eLinda는 RDF 그래프의 직관적이고 시각화 기반 탐색을 가능하게 하는 Linked Data 탐색기로, 클래스, 속성, 객체 분포를 나타내는 상호작용 가능한 막대 그래프(히스토GRAM)를 사용한다. 세 가지 탐색 유형—하위클래스, 속성, 객체 분포—을 지원하며, 증분 쿼리 평가와 전용 쿼리 분해기 기반으로 DBpedia와 같은 대규모 데이터셋에서도 1초 이내 응답 시간을 달성하여 표준 SPARQL 엔드포인트를 크게 능가한다.

ABSTRACT

To realize the premise of the Semantic Web towards knowledgeable machines, one might often integrate an application with emerging RDF graphs. Nevertheless, capturing the content of a rich and open RDF graph by existing tools requires both time and expertise. We demonstrate eLinda - an explorer for Linked Data. The challenge addressed by eLinda is that of understanding the rich content of a given RDF graph. The core functionality is an exploration path, where each step produces a bar chart (histogram) that visualizes the distribution of classes in a set of nodes (URIs). In turn, each bar represents a set of nodes that can be further expanded through the bar chart in the path. We allow three types of explorations: subclass distribution, property distribution, and object distribution for a property of choice.

연구 동기 및 목표

• 대규모이고 낯선 RDF 그래프를 사전 지식이나 전문 지식 없이 탐색하는 데 도전 과제를 해결하기 위해.
• 개요 우선, 줌인-필터링, 세부 정보 즉시 제공 인터페이스를 제공하여 Linked Data 소비자에게 유용한 도구를 제공하기 위해.
• 클래스, 속성, 객체의 시각화된 분포를 통해 풍부한 RDF 데이터셋의 효율적 탐색을 가능하게 하기 위해.
• DBpedia 및 YAGO와 같은 대규모 RDF 데이터셋에서 SPARQL 쿼리의 성능 저하 문제를 해결하기 위해.
• 사전 처리 없이도 변화하는 공개된 RDF 엔드포인트를 원격에서 탐색할 수 있도록 지원하기 위해.

제안 방법

• eLinda는 클래스와 속성에 걸친 URI 분포를 막대 그래프(히스토GRAM)로 시각화하며, 각 막대는 확장 가능한 노드 집합을 나타낸다.
• 막대 확장을 위한 세 가지 유형을 지원한다: 하위클래스(클래스 계층 구조 내림), 속성(속성을 통해 가로로 확장), 객체(속성의 객체 유형을 통해 확장).
• 시스템은 증분 쿼리 평가를 사용하여 트리플을 N개의 청크로 나누어 k단계에 걸쳐 처리함으로써 지연 시간을 줄이고 반응성을 향상시킨다.
• 느린 쿼리(1초 이상 소요)의 결과를 캐시하는 Heavy Query Store(HVS)를 도입하여 반복 액세스를 가속화한다.
• 전용 색인을 사용해 복잡한 SPARQL 쿼리를 최적화된 SQL 쿼리로 변환하는 eLinda 분해기로 실행 시간을 극적으로 단축시킨다.
• AJAX 기반 통신을 통해 원격 Virtuoso SPARQL 엔드포인트와 연동하여 실시간으로 변화하는 데이터 소스를 탐색할 수 있도록 지원한다.

실험 결과

연구 질문

• RQ1 사전 지식이나 전문 지식 없이 사용자가 대규모 낯선 RDF 그래프를 효과적으로 탐색할 수 있는 방법은 무엇인가?
• RQ2 풍부한 Linked Data를 확장 가능하고 반응성이 높은 방식으로 탐색할 수 있는 상호작용 모델은 무엇인가, 동시에 개요와 세부 탐색 기능을 유지할 수 있는가?
• RQ3 대규모 RDF 데이터셋에서 SPARQL 쿼리의 성능 저하 문제를 상호작용 탐색 중에 어떻게 완화할 수 있는가?
• RQ4 증분 쿼리 평가와 쿼리 분해가 실시간 데이터 탐색에서 지연 시간을 크게 감소시킬 수 있는가?
• RQ5 변화하는 원격 RDF 엔드포인트를 상호작용 탐색 도구에서 효과적으로 지원할 수 있는가?

주요 결과

• Heavy Query Store(HVS)를 통해 반복 쿼리가 약 80밀리초 내로 반환되어 캐싱 성능 향상이 뚜렷하게 나타났다.
• 증분 평가 기법을 통해 데이터를 청크 단위로 처리하고 프론트엔드를 점진적으로 업데이트함으로써 대규모 데이터셋에서도 반응성 있는 상호작용이 가능했다.
• 시스템은 DBpedia와 LinkedGeoData와 같은 다양한 데이터셋의 탐색을 성공적으로 지원했으며, '철학자들을 영향 받은 사람들의 유형'과 같은 복잡한 경로 탐색도 가능했다.
• AJAX 기반 통신을 통해 원격 Virtuoso 엔드포인트와의 호환성을 확보하여 낮은 반응성에도 불구하고 사용성은 유지했다.
• eLinda를 통해 데이터 품질 문제를 탐지할 수 있었으며, 예를 들어 '식품' 리소스에 잘못 분류된 사람이 태어난 곳으로 기록된 사례를 발견하여 데이터 검증에 유용함을 입증했다.