[論文レビュー] The Empusa code generator: bridging the gap between the intended and the actual content of RDF resources

Jesse C. J. van Dam, Jasper J. Koehorst+2 more|arXiv (Cornell University)|Dec 11, 2018

Semantic Web and Ontologies参考文献 7被引用数 6

ひとこと要約

Empusa は、意図された RDF オントロジー構造と実際のデータ内容の間のギャップを埋めるコード生成ツールであり、統一された入力から自動的に OWL および ShEx スキーマ、検証済み API (R および Java)、Markdown 形式のドキュメント、可視化図を生成する。これは、オントロジー、データ構造、コンテンツの間で一貫性を保証し、ライフサイエンス分野のセマンティックウェブアプリケーションにおけるエラーと開発時間を削減する。

ABSTRACT

The RDF data model facilitates integration of diverse data available in structured and semi-structured formats. To obtain an RDF graph with a low amount of errors and internal redundancy, the chosen ontology must be consistently applied. However, with each addition of new diverse data the ontology must evolve thereby increasing its complexity, which could lead to accumulation of unintended erroneous composites. Thus, there is a need for a gatekeeping system that compares the intended content described in the ontology with the actual content of the resource. Here we present Empusa, a tool that has been developed to facilitate the creation of composite RDF resources from disparate sources. Empusa can be used to convert a schema into an associated application programming interface (API) that can be used to perform data consistency checks and generates Markdown documentation to make persistent URLs resolvable. In this way, the use of Empusa ensures consistency within and between the ontology (OWL), the Shape Expressions (ShEx) describing the graph structure, and the content of the resource.

研究の動機と目的

• 異種のライフサイエンスリソースにおける、意図された RDF オントロジー定義と実際のデータ内容の間の不整合を解消すること。
• RDF ベースのオントロジーおよび関連データパイプラインの開発・保守における手作業の負荷とエラーレートを低減すること。
• 作成段階でオントロジーおよび構造的制約に従ってデータを検証するゲートキーピングシステムを提供すること。
• 再利用可能なコードおよびドキュメントの自動生成により、セマンティックウェブツールの開発を簡素化すること。
• GBOL スタックや同様の大規模オントロジーを支援するために、スケーラブルで一貫性があり、保守可能なデータモデリングを可能にすること。

提案手法

• Protégé において、OWL クラスと、簡素化された ShEx 形式によるプロパティ定義の統合入力を受ける。
• RDFS をクラス階層に、ShEx をプロパティの多重性（0..1、1..1、0..N、1..N）およびターゲット値タイプの定義に使用する。
• 標準互換性を維持するための完全な OWL ファイルと、データ検証用の ShEx ファイルを生成する。
• 構造的制約をデータ生成段階で強制する R および Java の API を自動生成する。
• rdfs:label および skos:description を使用して、解決可能で人間が読みやすい URL を持つ Markdown ドキュメントを作成する。
• RDF2Graph を活用して、Cytoscape での直感的なオントロジー閲覧を可能にする可視化図を生成する。

実験結果

リサーチクエスチョン

• RQ1 データ作成段階で、オントロジーの意図された構造と実際の RDF データ内容の整合性をどのように保証できるか？
• RQ2 コードおよびドキュメントの自動生成が、大規模な RDF ベースのオントロジーの保守性およびスケーラビリティに与える影響は何か？
• RQ3 OWL および ShEx の統一された入力形式が、データモデリングおよび検証におけるエラーをどの程度低減できるか？
• RQ4 大規模なセマンティックウェブプロジェクトにおいて、Empusa の使用は手作業開発と比較して、時間と労力にどの程度の差を生じるか？
• RQ5 自動生成された API は、RDF データエクスポートにおける型安全性および多重性制約を確実に保証できるか？

主な発見

• Empusa は、GBOL スタックの 80,000 行のコードを生成するために必要な推定 1 年間の手作業（1 時間あたり 50 行）を、ほぼ即時生成にまで短縮した。
• 同ツールは、単一の入力から、一貫性があり検証済みの出力（OWL、ShEx、R および Java API、Markdown ドキュメント、可視化図）を正常に生成できた。
• 生成された API は多重性および型制約を強制し、欠落した型、無効な述語、一意でない IRI といった一般的な RDF データエラーを顕著に低減した。
• rdfs:label および skos:description を使用した Markdown ドキュメントにより、オントロジー要素の解決可能で永続的な URL が可能になった。
• RDF2Graph との統合により、Cytoscape でのオントロジーの可視化による閲覧が可能になり、使いやすさと検査性が向上した。
• Empusa は、開発段階におけるオントロジーの一貫した進化を可能にし、意図された構造と実際のデータ構造とのずれを最小限に抑えた。