[論文レビュー] Models and Tools for Collaborative Annotation

Xiaoyi Ma, Haejoong Lee+2 more|ArXiv.org|Apr 3, 2002

Semantic Web and Ontologies参考文献 9被引用数 24

ひとこと要約

本論文では、ODBC準拠のリレーショナルデータベースに永続的に保存することで、スケーラブルで共同作業が可能な言語的アノテーションを実現する、データベース駆動のフレームワークを提示する。アノテーショングラフを柔軟なスキーマでモデル化し、最適化された$K^{*}$-アレイインデックスを導入することで、効率的で表現力豊かなクエリ処理を可能にした。複雑なジョインシナリオではクエリ時間を最大90％まで短縮した。また、追加のコーディングを最小限に抑え、分散チームでの軽量で拡張性のある共同作業を実現した。

ABSTRACT

The Annotation Graph Toolkit (AGTK) is a collection of software which facilitates development of linguistic annotation tools. AGTK provides a database interface which allows applications to use a database server for persistent storage. This paper discusses various modes of collaborative annotation and how they can be supported with tools built using AGTK and its database interface. We describe the relational database schema and API, and describe a version of the TableTrans tool which supports collaborative annotation. The remainder of the paper discusses a high-level query language for annotation graphs, along with optimizations, in support of expressive and efficient access to the annotations held on a large central server. The paper demonstrates that it is straightforward to support a variety of different levels of collaborative annotation with existing AGTK-based tools, with a minimum of additional programming effort.

研究の動機と目的

• 分散チームにまたがる共同作業を要する大規模言語的アノテーションプロジェクトにおける、複雑さの増大に対処すること。
• 既存のアノテーションツールとシームレスに統合できる、軽量で拡張性のある共同アノテーションインfraを提供すること。
• 中央集権的なリレーショナルデータベースに格納されたアノテーショングラフに対する、効率的で表現力豊かなクエリ処理を可能にし、複雑な分析とバージョン管理を支援すること。
• 多数のジョインを含むクエリにおけるパフォーマンスを最適化し、アノテーショングラフ処理における一般的なボトルneckを解消すること。
• 最小限の追加プログラミング作業で、複数の共同作業レベルをサポートするスケーラブルなモデルを構築すること。

提案手法

• 言語的アノテーションをラベル付きエッジとノードを持つ有向無環グラフとして表現するAnnotation Graph Toolkit (AGTK) を使用し、メタデータとバージョニングのためのフィールド付きレコードをサポートする。
• ODBCを介して、任意のODBC準拠のリレーショナルデータベースサーバーにアノテーショングラフを格納するデータベースインターフェースを実装し、リモートアクセスと永続的ストレージを可能にする。
• SQLにマッピング可能な高水準のクエリ言語を設計し、大規模な中央サーバー上でアノテーションに表現力豊かで効率的にアクセスできるようにする。
• アノテーションタイプとドメインごとに$n \times n$のブール行列として構成される$K^{*}$-アレイデータ構造を導入し、アノテーションアンカー間の接続可能性を事前に計算することで、高コストなジョインの必要性を低減する。
• 複数の$K^{*}$スタイルジョインを、単一の$K^{*}$-アレイ参照に置き換えることでクエリ実行を最適化し、複雑なクエリにおいて顕著なパフォーマンス向上を達成する。
• $K^{*}$-アレイ構造を用いて、標準のRDBMS上で効率的に実行可能な最適化されたSQLにアノテーショングラフクエリを変換するトランスレーターを実装する。

実験結果

リサーチクエスチョン

• RQ1 共同アノテーションを、追加のプログラミング作業を最小限に抑えながら、言語的アノテーションプロジェクトでどのように実現できるか。
• RQ2 複雑なジョインパターンを含む大規模アノテーショングラフのクエリ処理におけるパフォーマンスボトルneckは何か。それらはどのように緩和できるか。
• RQ3 事前に計算された$K^{*}$-アレイ構造は、多数のジョインを含むアノテーショングラフクエリのパフォーマンスを顕著に向上させることができるか。
• RQ4 $K^{*}$-アレイモデルは、従来の$K^{*}$ベースのクエリ実行と比較して、クエリ時間とストレージ効率の両面で優れているか。
• RQ5 SQLに変換された際の表現力とパフォーマンス最適化が、アノテーショングラフ用の高水準クエリ言語においてどの程度達成できるか。

主な発見

• $K^{*}$-アレイアプローチにより、$K^{*}$テーブルのサイズは180万行から5,040行にまで削減され、ストレージフットプリントが99.7％削減された。
• クエリ1では、$K^{*}$を使用した場合の実行時間が2.22秒から$K^{*}$-アレイを用いた場合の1.24秒にまで短縮され、44％の改善が得られた。
• クエリ4（多数のジョインを含む）では、$K^{*}$を使用した場合の22.70秒から$K^{*}$-アレイを用いた場合の2.24秒にまで短縮され、90％のパフォーマンス向上が達成された。
• $K^{*}$-アレイ構造により、長時間のジョインクエリの効率的処理が可能となり、高ジョイン数を含む複雑なクエリの正常実行が確認された。
• $K^{*}$-アレイモデルにおけるドメイン制限は、追加のパフォーマンス向上をもたらさないことが示された。これは、主な最適化の根幹がジョイン操作の削減にあることを示唆している。
• AGTKのデータベースインターフェースと既存のアノテーショングラフ抽象化を活用することで、追加のコーディングを最小限に抑えながら共同アノテーションを実現できることを、本システムが示した。