[论文解读] RDF Knowledge Graph Visualization From a Knowledge Extraction System

Fadhela Kerdjoudj, Olivier Curé|arXiv (Cornell University)|Oct 1, 2015

Semantic Web and Ontologies参考文献 3被引用 4

一句话总结

本文提出了一种多语言RDF知识图谱可视化系统，通过自然语言处理与基于本体的规则匹配从文本中提取结构化知识，支持用户通过概念或个体选择探索子图，具备多语言标签与交互式悬停提示功能。该系统利用OWL/SPARQL、Graphviz渲染与Jena API，实现对真实文本中复杂且密集的知识图谱的直观、语言扩展型可视化。

ABSTRACT

In this paper, we present a system to visualize RDF knowledge graphs. These graphs are obtained from a knowledge extraction system designed by GEOLSemantics. This extraction is performed using natural language processing and trigger detection. The user can visualize subgraphs by selecting some ontology features like concepts or individuals. The system is also multilingual, with the use of the annotated ontology in English, French, Arabic and Chinese.

研究动机与目标

• 为解决从长篇文本中提取的大型密集RDF知识图谱的可视化挑战。
• 通过在英语、法语、阿拉伯语和中文中标注本体元素，支持多语言理解。
• 使用户能够基于本体概念或个体进行分面式子图选择，以探索相关知识。
• 通过将URI替换为人类可读标签与图标，并添加交互式悬停提示，提升可用性。
• 通过交互式节点高亮实现可视化与源文本的集成。

提出的方法

• 该系统采用自然语言处理任务流水线：分词、词形句法分析、基于LOD与基于规则的触发器进行命名实体识别，以及带代词指代与否定解析的句法分析。
• 通过在句法结构上使用基于规则的模式匹配，将触发器（如'go'对应Displacement）映射到本体类。
• 使用预定义规则模式生成三元组，并以RDF格式存储，随后通过共指消解与隐含信息推理进行增强。
• 可视化层通过Jena API解析本体，提取类、属性及多语言标签。
• 使用Graphviz以DOT格式渲染图谱，节点按实例类型标注，边按对象属性标注。
• 交互功能包括：悬停显示数据类型属性、链接至源文本，以及通过用户选择的深度参数动态控制子图深度。

实验结果

研究问题

• RQ1 如何有效可视化从非结构化文本中提取的RDF知识图谱，以支持用户理解？
• RQ2 多语言本体标注在提升知识图谱可访问性与可用性方面发挥何种作用？
• RQ3 基于概念或个体的子图选择在降低大型知识图谱视觉复杂度方面有何效果？
• RQ4 交互功能（如悬停提示与文本链接）在增强知识提取的导航与解释能力方面能达到何种程度？
• RQ5 如何将自然语言处理与基于本体的抽取技术与可视化集成，以保持语义保真度与用户清晰度？

主要发现

• 该系统通过基于本体概念或个体选择子图，成功降低了视觉复杂度，使用户能够聚焦于大型RDF图谱的特定部分进行探索。
• 在英语、法语、阿拉伯语和中文中的多语言标签使用户能够以母语查看同一知识图谱，显著提升了可访问性。
• 使用标签替代URI相比原始URI表示方式，显著提升了用户可读性与导航效率。
• 交互式悬停提示可显示数据类型属性，在不 clutter 主图视图的前提下提供详细信息。
• 通过悬停操作将节点链接至源文本，使用户能够追溯提取的事实至其原始文本触发源，增强了可追溯性与可信度。
• Jena API与Graphviz的集成支持复杂、语义丰富的知识图谱在多种格式（PNG、SVG、PDF）下的可扩展渲染。