[论文解读] Similarity-based Browsing over Linked Open Data

Michael W. Hickson, Yannis Kargakis+1 more|arXiv (Cornell University)|Jun 21, 2011

Semantic Web and Ontologies参考文献 27被引用 4

一句话总结

本文提出了一种与类型无关、基于邻域的相似性度量方法，用于链接开放数据（LOD）中的RDF实体，通过在可配置深度（半径）的扩展邻域上使用加权Jaccard系数计算相似性，以在准确性和性能之间取得平衡。该方法通过支持反向查询和可扩展的Top-L检索，在分布式LOD环境中实现了高效的基于相似性的浏览器功能。

ABSTRACT

An increasing amount of data is published on the Web according to the Linked Open Data (LOD) principles. End users would like to browse these data in a flexible manner. In this paper we focus on similarity-based browsing and we introduce a novel method for computing the similarity between two entities of a given RDF/S graph. The distinctive characteristics of the proposed metric is that it is generic (it can be used to compare nodes of any kind), it takes into account the neighborhoods of the nodes, and it is configurable (with respect to the accuracy vs computational complexity tradeoff). We demonstrate the behavior of the metric using examples from an application over LOD. Finally, we generalize and elaborate on implementation approaches harmonized with the distributed nature of LOD which can be used for computing the most similar entities using neighborhood-based similarity metrics.

研究动机与目标

• 在无需用户编写SPARQL查询的情况下，实现灵活、用户友好的链接开放数据（LOD）浏览。
• 通过基于相似性的导航方式，解决在语义丰富的分布式RDF数据集中探索的挑战。
• 开发一种适用于任意RDF资源对的通用相似性度量方法，无论其类型如何（例如，电影、演员、导演）。
• 支持在分布式LOD环境中高效、可扩展地计算最相似实体。
• 提供一种方法，将相似性函数反转，以实现跨LOD端点的高效、局部化查询。

提出的方法

• 通过在其扩展的、以半径限制的邻域（包括实例节点和模式节点）上使用Jaccard相似性系数，计算两个RDF节点之间的相似性。
• 根据节点与比较节点的路径距离，为其在交集和并集中分配权重，优先考虑距离更近的匹配。
• 允许对邻域半径（k）进行配置，以在计算复杂度与准确性之间取得平衡。
• 将相似性函数泛化，使其适用于单个知识库和分布式LOD云环境。
• 将相似性函数反转，以生成仅检索非零相似性实体的查询，从而实现高效的分布式计算。
• 提出一种Top-L检索算法，通过逐步增加半径，直到找到L个相似实体，且具有近似保证。

实验结果

研究问题

• RQ1 如何为LOD中的RDF实体设计一种通用的、与类型无关的相似性度量方法，以支持用户浏览？
• RQ2 如何在分布式、去中心化的LOD环境中高效计算基于邻域的相似性？
• RQ3 哪些机制能够实现在不扫描整个LOD语料库的情况下，可扩展地检索最相似的L个实体？
• RQ4 如何将相似性函数反转，以支持跨分布式LOD端点的高效、局部化查询？
• RQ5 在基于邻域的相似性计算中，准确性和计算复杂度之间存在哪些权衡？

主要发现

• 所提出的相似性度量方法能够成功计算不同类型实体（例如演员与电影）之间的有意义相似性，从而在语义数据中实现灵活的浏览功能。
• 根据路径距离对节点加权，通过优先考虑邻域中语义上更接近的邻居，提高了匹配的相关性。
• 该方法支持可配置的深度（半径k），允许用户或系统在精度与计算成本之间进行权衡。
• 通过反转相似性函数，能够生成有针对性的查询，排除无关结果，从而实现高效、分布式的相似实体计算。
• 尽管当k > 1时，Top-L检索算法无法保证返回精确的Top-L结果，但其提供了一种适用于大规模LOD的实用近似策略。
• 建议为每个实体预材料化Top-L相似实体视图，作为性能关键型应用的可行解决方案。