RML 매핑에 기반한 RDF 지식 그래프 구조 검증을 위한 SHACL 스키마의 자동 생성
Automatic Creation of SHACL Schemas for Validation of RDF Knowledge Graph Structures Based on RML Mappings
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 RML 매핑 방식으로 구축한 RDF 지식 그래프의 구조를 묘사하고 검증할 용도의SHACL 스키마를 자동으로 생성하는 시스템을 제안한다. 제안하는 시스템은 기존 연구와는 달리RML 매핑 규칙 뿐만 아니라 RML 매핑의 입력인 CSV, JSON, XML, 데이터베이스와 같은 다양한포맷의 데이터에서 추출한 메타데이터도 함께 사용하여 스키마를 생성한다. 따라서 기존 연구 기반의 스키마에서는 부재했던 데이터 타입, 문자열 길이, 값의 범위, 차수 관련 제약 조건이 스키마에 포함된다. 그리고 기존 연구에서 간과한 소위 반복된 속성 문제를 제안하는 시스템은 해결한다. 297개의 케이스로 구성된 적합성 테스트를 통해 제안된 시스템이 그래프에 대한 올바른 제약 조건을 생성함을 보여준다. 제안된 시스템은 오류가 발생하기 쉬운 기존 수동 검증 프로세스를 자동화하는 데 기여할 수 있다.
Abstract
In this paper, we propose a system which automatically generates SHACL schemas to describe and validate RDF knowledge graphs constructed by RML mappings. Unlike existing studies, the proposed system generates the schemas based on not only RML mapping rules but also metadata extracted from RML mapping input data in various formats such as CSV, JSON, XML or databases. Therefore, our schemas include the constraints on data type, string length, value range and cardinality, which were not present in the existing schemas. And we solves the problem with "repeated properties" which overlooked in existing studies. Through a conformance test consisting of 297 cases, we show that the proposed system generates correct constraints for the graphs. The proposed system can contribute to automation of the tedious and error-prone existing manual validation processes.
참고문헌 (16)
- H. Paulheim, "Knowledge Graph Refinement: A Survey of Approaches and Evaluation Methods", Semantic Web, 8(3), pp.489~508 (2016)[DOI]
- L. Bellomarini, "Knowledge Graphs:The Layered Perspective", Knowledge Graphs and Big Data Processing, 12072(2), pp.20~34 (2020)[DOI]
- R. Reinanda, "Knowledge Graphs: An Information Retrieval Perspective", Foundations and Trends® in Information Retrieval, 14(4), pp.289~444 (2020)[DOI]
- A. Dimou, "High-quality knowledge graphs generation: R2rml and rml comparison, rules validation and inconsistency resolution", Applications and Practices in Ontology Design, Extraction, and Reasoning, 49(4), pp.55~72 (2020)[DOI]
- E. Iglesias, "SDM-RDFizer: An RML Interpreter for the Efficient Creation of RDF Knowledge Graphs", Proceedings of the 29th ACM International Conference on Information & Knowledge Management, pp.3039~3046 (2020)
- T. Delva, "RML2SHACL: RDF Generation Is Shaping Up", Proceedings of the 11th on Knowledge Capture Conference (K-CAP '21), pp.153~160 (2021)
- "Shapes Constraint Language (SHACL)"[URL]
- "RDF 1.1 Turtle"[URL]
- "RML2SHACL"[URL]
- J. E. L. Gayo, "Validating RDF Data", pp.251~253 (2022), Springer Nature
- "R2RML: RDB to RDF Mapping Language"[URL]
- "RML Test Cases"[URL]
- "RDF 1.1 N-Quads"[URL]
- B. Abu-Salih, "Relational Learning Analysis of Social Politics using Knowledge Graph Embedding", Data Mining and Knowledge Discovery, 35(4), pp.1497~1536 (2021)[DOI]
- R. Reda, "Semantic Modelling of Smart Healthcare Data", Proceedings of SAI Intelligent Systems Conference, pp.399~411 (2018)
- G. Alor-Hernández, "Current Trends in Semantic Web Technologies: Theory and Practice", pp.25~56 (2019), Springer