[论文解读] Domain Specific Semantic Validation of Schema.org Annotations

Umutcan Şimşek, Elias Kärle+2 more|arXiv (Cornell University)|Jun 20, 2017

Semantic Web and Ontologies被引用 1

一句话总结

本文提出了一种基于规则的方案，用于在特定领域内验证 schema.org 注解，确保其完整性和语义一致性。该方法使领域专家能够定义 schema.org 的自定义子集及验证规则，并通过基于 Web 的工具实施验证——在旅游领域使用真实酒店数据成功演示了该方法的有效性。

ABSTRACT

Since its unveiling in 2011, schema.org has become the de facto standard for publishing semantically described structured data on the web, typically in the form of web page annotations. The increasing adoption of schema.org facilitates the growth of the web of data, as well as the development of automated agents that operate on this data. Schema.org is a large heterogeneous vocabulary that covers many domains. This is obviously not a bug, but a feature, since schema.org aims to describe almost everything on the web, and the web is huge. However, the heterogeneity of schema.org may cause a side effect, which is the challenge of picking the right classes and properties for an annotation in a certain domain, as well as keeping the annotation semantically consistent. In this work, we introduce our rule based approach and an implementation of it for validating schema.org annotations from two aspects: (a) the completeness of the annotations in terms of a specified domain, (b) the semantic consistency of the values based on pre-defined rules. We demonstrate our approach in the tourism domain.

研究动机与目标

• 解决在特定领域上下文中 schema.org 注解不一致和不完整的问题。
• 为领域专家提供一种方法，以定义其特定领域内的 schema.org 子集和验证规则。
• 开发一种实用的基于 Web 的工具，以强制执行 schema.org 注解中的语义一致性和完整性。
• 提升结构化网络数据的质量，尤其对希望在‘无头网络’时代获得可见性的中小企业有益。
• 支持在旅游等对数据准确性至关重要的领域中采用高质量、机器可读的结构化数据。

提出的方法

• 领域专家通过领域定义界面定义特定领域的 schema.org 类和属性子集。
• 通过规则设计器创建验证规则，指定语义一致性条件（例如，国家代码必须与地址中的国家一致）。
• 验证器首先检查注解的语法正确性。
• 然后通过确保必需属性（例如，currenciesAccepted）存在来验证完整性。
• 通过在标注数据上评估规则来强制执行语义一致性，并对不一致之处发出警告。
• 该系统实现为一个基于 Web 的应用程序，提供用于输入、规则管理和验证反馈的用户界面。

实验结果

研究问题

• RQ1 如何定义特定领域的 schema.org 子集，以提升专业领域中的注解质量？
• RQ2 哪些机制可以确保 schema.org 注解的完整性和语义一致性？
• RQ3 如何将基于规则的验证有效集成到面向非专家用户的实用且用户友好的工具中？
• RQ4 此类系统在多大程度上可以减少真实世界中 schema.org 注解的错误，特别是在旅游领域？
• RQ5 该方法如何扩展以支持 schema.org 所鼓励的多类型实体？

主要发现

• 验证工具成功检测到真实酒店注解中缺失的必需属性，例如 currenciesAccepted。
• 该系统识别出语义不一致问题，例如电话号码的国家代码与地址中的国家不匹配，而标准工具（如 Google 的结构化数据测试工具）无法发现此类问题。
• 在修正缺失属性和不一致的国家代码后，系统确认该注解为有效。
• 该方法在真实旅游用例中展示了可行性与实用性，对中小企业具有明确价值。
• 该工具的架构支持可扩展性，并可未来与 SHACL 等标准集成，以增强验证能力。
• 目前系统尚不支持多类型实体（例如，酒店同时作为 LodgingBusiness 和 Product），表明未来需进行改进。