[論文レビュー] MaskLink: Efficient Link Discovery for Spatial Relations via Masking Areas

Georgios M. Santipantakis, Christos Doulkeridis+2 more|arXiv (Cornell University)|Mar 3, 2018

Data Management and Algorithms参考文献 13被引用数 5

ひとこと要約

MaskLink は、グリッドセル内の未使用（マスクされた）領域を活用して、空間オブジェクト間の不要な比較を排除することで、効率的な空間的リンク発見を実現する新しいフィルタリング手法である。グリッドセル内の空き領域を表現することで、精査対象となるペアの数を削減し、特に大規模またはストリーミングデータセットにおいて、トポロジカル関係および近接関係に基づくリンク発見の性能を顕著に向上させる。メモリ使用量も少なく、並列処理が可能である。

ABSTRACT

In this paper, we study the problem of spatial link discovery (LD), focusing primarily on topological and proximity relations between spatial objects. The problem is timely due to the large number of sources that generate spatial data, including streaming sources (e.g., surveillance of moving objects) but also archival sources (such as static areas of interest). To address the problem of integrating data from such diverse sources, link discovery techniques are required to identify various spatial relations efficiently. Existing approaches typically adopt the filter and refine methodology by exploiting a blocking technique for effective filtering. In this paper, we present a new spatial LD technique, called MaskLink, that improves the effectiveness of the filtering step. We show that MaskLink outperforms the state-of-the-art algorithm for link discovery of topological relations, while also addressing some of its limitations, such as applicability for streaming data, low memory requirements, and parallelization. Furthermore, we show that MaskLink can be extended and generalized to the case of proximity-based link discovery, which has not been studied before for spatial data. Our empirical study demonstrates the superiority of MaskLink against the state-of-the-art in the case of topological relations, and its performance gain compared to a baseline technique in the case of proximity-based LD.

研究の動機と目的

• 空間グリッド内の空き領域を活用しない既存のリンク発見手法が、高コストな対比較を実行する非効率性を是正すること。
• グリッドセル内の未使用領域を明示的にモデル化することで、関係のないオブジェクトペアの処理を回避し、空間リンク発見におけるフィルタリング効果を向上させること。
• 高メモリまたは計算コストがかかるため、既存手法が対応できない場合が多いストリーミングデータソースの効率的処理を可能にすること。
• トポロジカル関係にとどまらず、近接関係（例：「近隣」）や混合オブジェクトタイプ（例：点と領域）を含むリンク発見の適用範囲を拡張すること。
• 空間リンク発見パイプラインにおいて、高いスケーラビリティ、低メモリ使用量、並列処理のサポートを達成すること。

提案手法

• 空間の2次元領域を空間タイリングによりグリッドセルに分割し、空間オブジェクトを空間的重複に基づいてセルに割り当てる。
• 各グリッドセル内の未使用（空き）領域の幾何学的形状を「マスク」として計算・保存し、どの空間オブジェクトのカバーしていない領域を表す。
• 入力される各空間オブジェクトについて、その含むグリッドセルを特定し、それがそのセルのマスク（空き領域）に完全に含まれるかを確認する。
• オブジェクトがマスク領域に完全に含まれる場合、同じセル内のいかなるオブジェクトともトポロジカル関係や近接関係を形成できないため、以降の処理から除外する。
• フィルタリング段階でマスクに基づく除外処理を実施することで、精査ステップに送られる候補ペアの数を著しく削減する。
• 距離基準に応じた条件に適合するようにマスク論理を適応することで、点対領域および点対点関係に加え、近接関係（例：距離d以内）を含む一般化を実現する。

実験結果

リサーチクエスチョン

• RQ1 グリッドセル内の空き領域をモデル化することで、メモリオーバーヘッドを増加させることなく、空間リンク発見のフィルタリング効率を向上させることができるか？
• RQ2 トポロジカル関係発見において、MaskLink は最新鋭のアルゴリズム（例：RADON）と比較して、処理時間とスケーラビリティの面で優れているか？
• RQ3 MaskLink は、従来の文献で未解決であった近接関係に基づくリンク発見に効果的に拡張可能か？
• RQ4 一つのデータソースがストリーミングである場合、MaskLink のパフォーマンスへの影響は何か？また、そのような状況でベースライン手法と比較してどうなるか？
• RQ5 マスク計算の初期コスト（特に大規模または高解像度の空間データセットにおいて）は、全体のパフォーマンスにどのように影響するか？

主な発見

• すべてのテストデータサイズにおいて、最新鋭のアルゴリズム RADON よりも約10%の処理時間短縮を達成しており、入力サイズが増加するにつれて一貫した性能向上が見られる。
• トポロジカル関係のケースでは、50万件のデータセットでベースラインの79.65秒から MaskLink では59.05秒に短縮され、250万件のデータでも顕著な性能優位性を維持している。
• 近接関係ベースのリンク発見（点対領域）において、MaskLink は滑らかにスケーリングするが、ベースラインは200万件でタイムアウトするため、優れたスケーラビリティを示している。
• データサイズが増加するほど、MaskLink とベースラインの性能差が拡大しており、大規模な空間リンク発見ワークロードにおいて特に効果的であることが示された。
• 主実験におけるマスク計算の初期コスト（約3秒）は、長期的なパフォーマンス向上を考慮すると許容可能であると判断された。
• MaskLink はメモリ効率が高く、グローバルなデータセットの知識が不要であるため、ストリーミングデータに適しており、すべてのデータを事前にロードする必要なく、リアルタイムまたは準リアルタイムのリンク発見を可能にしている。