[논문 리뷰] Open Research Knowledge Graph: Towards Machine Actionability in Scholarly Communication.

Mohamad Yaser Jaradeh, Sören Auer외 4명|arXiv (Cornell University)|2019. 01. 30.

Semantic Web and Ontologies인용 수 9

한 줄 요약

이 논문은 과학적 지식을 RDF 기반 지식 그래프를 사용하여 의미적으로 표현함으로써 학술 커뮤니케이션에서 기계의 작동 가능성을 향상시키기 위해 오픈 리서치 지식 그래프(ORKG)를 제안한다. 이는 지식 그래프의 RDF를 확장하여 기원 및 메타데이터와 같은 주석을 인코딩함으로써 이루어지며, 컨퍼런스 기반 실험을 통해 접근 가능성과 유용성을 평가한다. 이는 학술 데이터를 더 효과적으로 관리하는 데 있어 실현 가능성을 입증한다.

ABSTRACT

Despite improved digital access to scientific publications in the last decades, the fundamental principles of scholarly communication remain unchanged and continue to be largely document-based. The document-oriented workflows in science publication have reached the limits of adequacy as highlighted by recent discussions on the increasing proliferation of scientific literature, the deficiency of peer-review and the reproducibility crisis. In this article, we present first steps towards representing scholarly knowledge semantically with knowledge graphs. We expand the currently popular RDF graph-based knowledge representation formalism to capture annotations, such as provenance information and describe how to manage such knowledge in a graph data base. We report on the results of a first experimental evaluation of the concept and its implementations with the participants of an international conference.

연구 동기 및 목표

• growing literature volume와 재현성 문제에 대비하여 문서 기반 학술 커뮤니케이션의 한계를 해결하기 위해.
• 지식 그래프를 사용하여 연구 데이터를 의미론적으로 표현함으로써 기계가 작동할 수 있는 학술 지식을 가능하게 하기 위해.
• RDF 지식 표현 모델을 기원 및 메타데이터와 같은 주석을 지원하도록 확장하기 위해.
• 실제 연구 환경에서 제안된 지식 그래프 접근법의 실용적 실현 가능성과 유용성을 평가하기 위해.
• 구조화되고 의미론적으로 풍부한 지식 그래프를 통해 학술 커뮤니케이션에서의 데이터 관리, 검색 및 재사용을 향상시키기 위해.

제안 방법

• 기원, 소스 및 신뢰도 메타데이터와 같은 주석을 포함하도록 RDF 지식 표현 형식론을 확장한다.
• 엔티티(예: 개념, 결과)를 노드로, 관계(예: '지지함', '모순함')를 엣지로 사용하여 학술 지식을 그래프 데이터베이스로 모델링한다.
• 학술 데이터의 상호운용성과 기계 처리 가능성을 보장하기 위해 표준화된 RDF/OWL 어휘를 사용한다.
• 확장 가능한 저장 및 쿼리 기능을 위해 지속 가능한 그래프 데이터베이스 시스템에 지식 그래프를 구현한다.
• 사용성과 표현력 평가를 위해 국제 컨퍼런스 참가자들을 대상으로 실험적 평가를 수행한다.
• 연구 결과물(예: 주장, 증거, 기원 등)을 캡처하기 위해 그래프 모델을 적용함으로써 추적 가능한 학술 추론을 가능하게 한다.

실험 결과

연구 질문

• RQ1 어떻게 기계가 작동할 수 있는 형식으로 학술 지식을 기원 추적을 지원하는 방식으로 표현할 수 있는가?
• RQ2 기존 문서를 초월하여 RDF 기반 지식 그래프 모델이 학술 연구의 의미를 어느 정도 포괄할 수 있는가?
• RQ3 실제 학술 협업 및 데이터 관리 환경에서 이러한 지식 그래프의 사용이 실현 가능한가?
• RQ4 연구자들은 그래프 기반 표현 방식이 학술 커뮤니케이션에서 유용성과 표현력 측면에서 어떻게 평가하는가?
• RQ5 지식 그래프 모델이 과학적 발견의 추적 가능성과 재현성을 향상시킬 수 있는가?

주요 결과

• 확장된 RDF 모델은 기원과 메타데이터를 포함하여 학술 지식을 성공적으로 캡처하여 순수 텍스트 문서를 초월한 구조화된 표현을 가능하게 한다.
• 컨퍼런스 참가자들을 대상으로 한 실험적 평가를 통해 지식 그래프를 학술 데이터 모델링에 실제로 사용할 수 있음을 확인하였다.
• 참가자들은 그래프 구조 덕분에 주장과 그에 대한 증거를 표현할 때 더 명확하고 추적 가능하다고 보고하였다.
• 이 접근법은 다양한 학술 시스템 간의 데이터 재사용과 상호운용성을 향상시킬 잠재력을 보였다.
• 결과적으로 의미론적 지식 그래프가 더 투명하고 재현 가능한 학술 커뮤니케이션의 기초가 될 수 있음을 시사한다.
• 본 연구는 향후 대규모 학술 지식 그래프 구축 및 통합을 위한 기초 프레임워크를 제공한다.