ΘΕΜΑ: Paroysiash/Eksetash Metaptyxiakhs
Ergasias Saveta Tzanina_31/10/2014_ 10:00_E313_ tmhma Episthmhs
Ypologistwn-Panepisthmio Kritis
ΑΠΟΣΤΟΛΕΑΣ: Gramateia Metaptyxiakou CSD [mailto:pgram@xxxxxxxxxx]
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ
ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ
ΥΠΟΛΟΓΙΣΤΩΝ
ΠΑΡΟΥΣΙΑΣΗ / ΕΞΕΤΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ
Σαβέτα Τζανίνα
Mεταπτυχιακή Φοιτήτρια
Τμήμα Επιστήμης
Υπολογιστών, Πανεπιστήμιο Κρήτης
Eπόπτης Μεταπτ. Εργασίας: Καθηγητής Δ. Πλεξουσάκης
Παρασκευή, 31 Οκτωβρίου 2014, 10:00
Αίθουσα
Ε313, τμήμα Επιστήμης Υπολογιστών, Πανεπιστήμιο Κρήτης
"SPIMBench: Ένα Κλιμακώσιμο,
με Επίγνωση Σχήματος Πλαίσιο Αξιολόγησης Συστημάτων Αντιστοίχισης Στιγμιoτύπων
για τη Δημοσίευση Σημασιολογικά Εμπλουτισμένων Δεδομένων"
ΠΕΡΙΛΗΨΗ
Τα τελευταία
χρόνια, η αύξηση των διαθέσιμων Συνδεδεμένων Δεδομένων ( Linked Data) στον
Παγκόσμιο ιστό έχει αποτελέσει τον θεμέλιο λίθο στην ανάπτυξη Συστημάτων
Αντιστοίχισης Στιγμιοτύπων (Instance Matching Systems). Όπως για τα συστήματα
Βάσεων Δεδομένων, έτσι και εδώ, Πλαίσια Αξιολόγησης Συστημάτων Αντιστοίχισης
Στιγμιοτύπων ( Instance Matching Benchmarks) έχουν αναπτυχθεί για
τον έλεγχο απόδοσης των προαναφερθέντων συστημάτων με βασικό σκοπό τον
προσδιορισμό των μειονεκτημάτων τους για την περαιτέρω βελτίωση των λειτουργιών
τους. Ένα πλαίσιο αξιολόγησης συστημάτων ταυτοποίησης στιγμιοτύπων θα πρέπει να
ελέγχει τη συνολική ποιότητα του συστήματος αντιστοίχισης στιγμιοτύπων με
μετρικές όπως η ακρίβεια (precision), η ανάκληση (recall), και το F-measure
καθώς και την ικανότητα να χειρίζεται σύνολα δεδομένων μεγάλου όγκου. Πλαίσια
αξιολόγησης έχουν ήδη προταθεί για τον έλεγχο της απόδοσης συστημάτων
αντιστοίχισης στιγμιοτύπων για δεδομένα XML και δεδομένα σχεσιακών βάσεων και
πρόσφατα για τα δεδομένα RDF τα οποία έχουν αρχίσει να επικρατούν στον
Παγκόσμιο Ιστό. Τα συστήματα αξιολόγησης που λαμβάνουν υπ' όψιν δεδομένα
εκφρασμένα σε RDF είναι τα πρώτα τα οποία εξέτασαν το πρόβλημα της
αντιστοίχισης στιγμιοτύπων όταν ένα αντικείμενο του πραγματικού κόσμου έχει
διαφορετικές περιγραφές που χρησιμοποιούν τα ίδια ή διαφορετικά RDFS (ή τα
εκφραστικότερα OWL) σχήματα. Αυτό σημαίνει πως εκτός από τις λεξικολογικές
διαφορές μεταξύ των στιγμιοτύπων που περιγράφουν την ίδια οντότητα του
πραγματικού κόσμου, τα πλαίσια αξιολόγησης λαμβάνουν υπ' όψιν διαφορές σε
επίπεδο σχήματος όπως τη διάσπαση ή τη συνάθροιση μίας ιδιότητας ενός
στιγμιότυπου. Ωστόσο, σύμφωνα με τη βιβλιογραφία, κανένα από τα προτεινόμενα
πλαίσια αξιολόγησης μέχρι σήμερα δεν λαμβάνει υπ' όψιν τις πιο πολύπλοκες δομές
σε επίπεδο σχήματος τα οποία μπορούν να εκφραστούν, χρησιμοποιώντας τα πλούσια
δομικά στοιχεία της γλώσσας του Σημασιολογικού Ιστού OWL. Οι μετασχηματισμοί
που έχουν προταθεί παραμένουν όλοι στο επίπεδο των απλών δομών όπως εκείνες
περιγράφονται στην γλώσσα RDFS.
Στην παρούσα εργασία προτείνουμε το Semantic Publishing Instance Matching Benchmark, εν συντομία SPIMBench, ένα πλαίσιο
αξιολόγησης εμπνευσμένο από το Semantic Publishing Benchmark (SPB). Το SPIMBench, όπως το SPB, είναι βασισμένο στις
οντολογίες όπως έχουν δοθεί από το BBC (http://www.bbc.com/)
οι οποίες χρησιμοποιήθηκαν από τον συγκεκριμένο δημοσιογραφικό οργανισμό για
την δημοσίευση
Σημασιολογικά Εμπλουτισμένων Δεδομένων. Στο SPIMBench προτείνουμε και υλοποιούμε
μία α) επεκτάσιμη γεννήτρια δεδομένων, β) ένα σύνολο μετασχηματισμών πού
αποτελούνται από τους καθιερωμένους λεξικολογικούς, δομικούς και
μετασχηματισμούς σε επίπεδο λογικού σχήματος. Οι τελευταίοι μετασχηματισμοί
υπερβαίνουν τα καθιερωμένα δομικά στοιχεία και περιλαμβάνουν εκφραστικά δομικά
στοιχεία όπως ισότητα/ανισότητα στιγμιοτύπων, ισοδυναμία των κλάσεων και των
ιδιοτήτων σε επίπεδο σχήματος, περιορισμό ιδιοτήτων, περίπλοκους ορισμούς
κλάσεων, και τέλος γ) έναν σταθμισμένο χρυσό κανόνα ο οποίος μπορεί να
χρησιμοποιηθεί για τον εντοπισμό σφαλμάτων στα συστήματα αντιστοίχισης
στιγμιοτύπων.
Saveta
Tzanina
M.Sc. Thesis
Computer Science Department
University of Crete
Master's Thesis Supervisor: Professor Dimitris Pleksousakis Friday, 31/10/2014, 10:00 Room E313, Computer Science dept.,University of Crete
"SPIMBench: A Scalable, Schema-Aware Instance Matching
Benchmark for the Semantic Publishing Domain"
ABSTRACT
Instance
matching systems and methods need to be tested using well defined and
widely accepted benchmarks to determine the weak and strong points thereof and
also to motivate the development of more complete systems. A benchmark should
test the overall quality of the instance matching system in terms of measures
such as precision, recall, and F-measure as well as the ability to handle large
and diverse datasets. A number of benchmarks have already been proposed to test
the performance of instance matching techniques mostly for XML and relational
data but, more recently, also for RDF, the type of data prevalent in the Web of
Data. Instance Matching benchmarks for RDF data are the first to consider
the problem of instance matching when a real world object is represented in different
ways that do not all conform to the same RDFS or OWL schema. Meaning that in
addition to lexical differences among entities representing the same
object, these benchmarks consider structural differences such as property
splitting or aggregation. However, to the best of our knowledge, none of the
proposed benchmarks to date considers the more complex logical constructs that
can be expressed in terms of rich OWL constructs. The logical transformations
proposed by existing benchmarks all remain at the level of simple RDFS
constraints. In this thesis we propose the Semantic Publishing Instance
Matching Bench- mark, in short, SPIMBench inspired from the Semantic Publishing
domain. SPIMBench is based on the BBC (http://www.bbc.com/)
ontologies that represent information about creative works (called journalistic
assets) created by the publisherʼs editorial team. SPIMBench proposes and
implements i) a scalable data generator, ii) a set of transformations on source
data to obtain the target data that include, in addition to the standard value
and structural transformations, logical ones that go beyond the standard RDFS
constructs and include expressive OWL constructs, namely instance (in)equality,
equivalence of classes and properties, property constraints and complex class
definitions, a iii) weighted gold standard that can be used for debugging
instance matching systems and finally, iv) a set of metrics used to
assess the performance of an instance matching system.
-- Postgraduate Secretariat Computer Science Department Voutes University Campus Heraklion, Crete GR-70013, Greece tel: + 30 2810 393592, 393504 fax:+ 30 2810 393804 e-mail: pgram@xxxxxxxxxx Url: http://www.csd.uoc.gr
|