QLoid は重み付きオントロジーマッピング [10] を利用するクエリを生成するために既存の SPARQL の文法を拡張したクエリ言語およびその変換エンジンのことを呼ぶ SPARQLoid ではユーザがマッピングの条件を記述するために THRESHOLD 句や CRITERIA 句

(1)

人工知能学会研究会資料 SIG-SWO-038-13

オントロジーマッピングに基づく

SPARQL

クエリ記述支援シス

テムの拡張機構の試作

Toward to Extended Mechanism of Support System Writing

SPARQL Queries on Ontology Mappings

足立拓也

1∗

山田直希

1

野口宙毅

2

福田直樹

2

Takuya Adachi

1

_{Naoki Yamada}

1

_{Hiroki Noguchi}

2

_{Naoki Fukuta}

2

1

_{静岡大学情報学部}

1

_{Faculty of Informatics, Shizuoka University}

2

_{静岡大学大学院情報学研究科}

2

_{Graduate School of Informatics, Shizuoka University}

Abstract: SPARQLoid is an extended query language that allows SPARQL users to utilize weigthed ontology mappings on the queries. Those queries are extended to specify reliability de-grees to limit unnecessary area of searches eﬀectively when using ontology mappings. However, existing approach assumed that the users have a right ontology mapping as well as enough skills to adjust necessary parameters in the queries. Addionally, writing SPARQL queries detailed en-tities (URIs) is diﬃcult not to know detailed ontologies. Also SPARQLoid is nessecary to unilize SPARQL endpoint on ontology mapping data. This paper presents our preliminary implemen-tation of SPARQLoid query coding support system that can utilize familiar vocabularies as well as term similarlities, and prepare the execution environment about execute SPARQL endpoint on mappings data. In this paper, we show our initial idea and preliminary mechanism to support writing such extended queries with ontology mappings.

1 はじめに

Linked Open Data(LOD)として公開されるデータを検索するためのクエリ言語 SPARQL を通してデータを取得できる SPARQL エンドポイントは，SPARQL エンドポイントの状態をモニタリングする SPARQL Endpoint Status1_{によると，2016 年 2 月 1 日現在で} 545のエンドポイントのうち 241 のエンドポイントが利用可能とされる．SPARQL において，クエリを記述するためには，対象となるオントロジーに関する知識を必要とする場合がある [2]．クエリ記述者が対象で使われるオントロジーに関する知識を理解していない場合におけるクエリ記述を行えるようにするために，オントロジーマッピングに基づく SPARQL クエリを行う手法として SPARQLoid[1, 2, 3] があり，マッピングを利用できるように拡張された SPARQL クエリ ∗_{連絡先：静岡大学} 静岡県浜松市城北 3-5-1 E-mail: cs13007@s.inf.shizuoka.ac.jp 1_{http://sparqles.ai.wu.ac.at} を通常の SPARQL エンドポイント上で実行させる手法が提案されている．SPARQLoid では，クエリを実行するためには，マッピングデータの生成やマッピングデータを格納した SPARQL エンドポイントの起動が必要な場合がある．また，拡張された SPARQL クエリである SPARQLoid クエリを記述することは，記述が SPARQL クエリより複雑になる部分があり，初めて SPARQL を知った人や SPARQL を利用する人にとって，それらの拡張構文の記述のみならず，適切な語彙の選択にも何らかの支援があることが望ましいと考える．本論文では，これらの課題に対して，SPARQL クエリの語彙・エンドポイント検索支援の手法である SuPARQooL[4, 5]を拡張し，その試作について述べる．

2 SPARQLoid

クエリ記述の難しさ

オントロジーマッピングに基いて SPARQL クエリを行う手法として SPARQLoid[1, 2, 3]

(2)

がある．SPAR-QLoidは重み付きオントロジーマッピング [10] を利用するクエリを生成するために，既存の SPARQL の文法を拡張したクエリ言語，および，その変換エンジンのことを呼ぶ．SPARQLoid では，ユーザがマッピングの条件を記述するために，THRESHOLD 句や CRITERIA 句，RANKING 句などが用意している．こうした句を用いて，重み付きオントロジーマッピングの利用範囲を指定し，ランキングの方法などを指定することが可能である．図 1 に SPARQLoid の起動例を示す．この例では， SPARQLoidは，Ubuntu14.04 を VirtualBox 上で起動し，オントロジーマッピングを格納するエンドポイントとクエリ対象のエンドポイントは，Ubuntu12.04 を VirtualBox上で起動し，そこで Fuseki0.2.5 を用いて起動させている．図 1: SPARQLoid の起動例. Listing 1に，SPARQLoid クエリの例を示す．このクエリは，source:TechnicalSession のインスタンスを取得するものである．このとき，source:TechnicalSession に対するマッピング候補を検索を行っている．オントロジーマッピングに基づく SPARQL クエリである SPAR-QLoidクエリでは，拡張された SPARQL クエリを記述可能である．これらの拡張されたクエリは新しい構文を含んでおり，マッピングの重みを加味してクエリの動作を調節することができる一方で，対象となるオントロジーやマッピングの特性に関する知識が必要となる． PREFIX r d f :< h t t p : / /www. w3 . o r g /1999/02/22− rdf − s y n t a x−ns#> PREFIX s o u r c e :< h t t p : / / example / s o u r c e O n t o l o g y /> SELECT ? s e s s i o n WHERE{ ? s e s s i o n r d f : t y p e s o u r c e : T e c h n i c a l S e s s i o n . THRESHOLD { s o u r c e : T e c h n i c a l S e s s i o n >= 0 . 0 } CRITERIA ? c { s o u r c e : T e c h n i c a l S e s s i o n ∗ 100 } RANKING ? s c o r e { ? c } } Listing 1: SPARQLoidクエリの例

3 SPARQL

クエリ記述支援システ

ムの拡張機構

SPARQLクエリの語彙・エンドポイント検索支援の手法として SuPARQooL[4, 5] がある．SuPARQooL(SUP-port system for spARql Query cOding with Ontol-ogy mapping on sparqLoid)は，語彙発見手法を用いて WOM（weighted ontology mapping)[10] に基づく SPARQLクエリ支援を実現するための種々の機構を実装している．ユーザが概念やプロパティの代わりにキーワードを入力した SPARQL もしくは SPARQLoid クエリを記述すると，キーワードに対応する URI 候補を提示する．対応 URI の検索の記述としてレーベンシュタイン距離を用いられており，ユーザは順位付けされた URI から，クエリに適している URI を選択することで，クエリ中でキーワードとして記述した箇所で実際に使用する URI を指定することができる．これにより，対象オントロジーに関する詳細な知識を理解していない場合でも，SPARQL クエリを記述することを可能とする．本研究では前述した SuPARQooL の拡張を行う．本研究で行うオントロジーマッピングに基づく SPARQLクエリ記述支援システムの拡張機構として， SPARQLoidクエリ記述支援機構，エンドポイント探索機構，オンデマンドマッピング生成機構，および内蔵マッピングデータエンドポイント管理機構が挙げられる．

3.1 SPARQLoid

クエリ記述支援機構

SPARQLoidでは，オントロジーマッピングを利用するために拡張された SPARQL クエリを記述する必要がある．クエリ作成者は拡張された SPARQL クエリを適切に記述するためにはマッピングの情報を確認できることが必要であると考えられている．本機構では，クエリの中に用いられたエンティティに対するマッピングされたエンティティとマッピングで施された値を提示する．また，Word2Vec[16]2_{を用いて，クエリの} 中に用いられたエンティティに対する概念的類似性の高いエンティティと類似度を提示する．

3.2 エンドポイント探索機構

SuPARQooLでは，クエリ中に含まれるキーワードに基づくエンドポイント推薦の仕組みがある．この仕組みを拡張し，SPARQL クエリ実行可能なエンドポイントを探索することを可能にする．本研究ではこの機構を拡張し，推薦を行うエンドポイントについての有益性を，エンドポイントの可用性などの情報を得られ 2_{https://code.google.com/archive/p/word2vec/}

(3)

るウェブサービス3上のデータを利用することで，探索対象の絞り込みを可能とする．また，マッピングデータやマッピングされたオントロジーが LOD としてエンドポイントに通じて広くアクセス可能になる状況であれば，この機構を利用して，エンドポイントの探索を行わせるという使い方も考えられる．

3.3 オンデマンドマッピング生成機構

オントロジーマッピングに基づく SPARQL クエリを行う場合，マッピングデータを必要とする．本研究ではこれらのマッピングを生成するソフトウェアを組み込み，拡張することによって，マッピング生成を一連の流れとして行うことを可能にし，利用者がマッピングデータを用意するという煩わしさを軽減できるようにしている．オントロジーの異種性を解決するための技術として，オントロジーマッピングが挙げられる．異なるオントロジーのエンティティ間の関係や一致を発見するプロセスであり，オントロジーマッピングを行うソフトウェアが存在する．オントロジーマッピングを行うソフトウェアとして LogMap[13, 14, 15] や Alignment API4などがある．LogMap は推論器として HermiT5 を採用しており，推論に基づく高性能なマッピング生成を実現している．Alignment API は文字列の類似度などに基いてマッピング生成を実現している．

3.4 マッピングデータエンドポイントの内蔵

SPARQLoidがオントロジーマッピングに基づく SPA-RQLクエリを発行するには 2 通りの方法があり，マッピングデータを外部のエンドポイントに格納しておき，クエリ実行時にそのマッピングを参照する方法を利用することがある．現時点では，SPARQLoid が想定する使用に従ったマッピングデータを格納したオープンなオントロジーマッピングデータエンドポイントがないため，マッピングデータを格納したエンドポイントをどこかで起動させておく必要がある．マッピングデータを格納したエンドポイントを起動させる方法は煩雑な場合があり，また，SPARQL クエリを記述できる程度のスキルを持つユーザでも，そのユーザがマッピングデータを格納したエンドポイントの起動の手順を知らない場合がある．本機構では，SPARQL エンドポイントをスタンドアローンで起動させることができる Fuseki を必要に応じてマッピングデータエンドポイントとして起動できるようにしている．Fuseki は，オントロジーデータが記述されているファイル (RDF, OWL) を指定 3_{http://sparqles.ai.wu.ac.at/} 4_{http://alignapi.gforge.inria.fr} 5_{http://www.hermit-reasoner.com} することにより，指定されたファイルのデータを格納した SPARQL エンドポイントを起動できる．これらの機構を 1 つのアプリケーションに内蔵させ，生成されたマッピングデータを格納した SPARQL エンドポイントを SPARQLoid クエリ実行時に自動で起動させることにより，クエリ実行時にマッピングデータ格納エンドポイントを起動するわずらわしさを軽減できるようにしている．

4 試作した拡張機構の動作

図 2 では，オントロジーマッピングを簡易的に生成する機構の動作を示しており，オントロジーマッピングを行うオントロジーデータである RDF データまたは OWL データが存在する絶対パスを指定する．2 つのオントロジーデータを指定後，それらのオントロジーに含まれる語彙間のマッピング生成を行う．マッピング生成のために，文字列の類似度に基づくマッピングを行う Alignment API を用いている．図 2: オントロジー選択画面. 図 3 では，マッピング生成機構で生成したマッピングを格納した SPARQL エンドポイントをスタンドアローン環境で動作する fuseki6上で起動した例を示している．図 3: Fuseki-server 実行画面. 図 4 に，SPARQL クエリのコーディングを行う際の入力画面の例を示す．ここで入力可能クエリには， SuPARQooLの拡張表現である，”<<”と”>>”で囲まれたキーワードの記述を含めることができる． 6_{https://jena.apache.org/documentation/serving data/}

(4)

図 4: SPARQL クエリ記述画面例. Listing 2に”<<”と”>>”で囲まれたキーワードを含んだクエリの例を提示する．このようなクエリに対し て，”<<”と”>>”で囲まれたキーワードの抽出が行わ れ，キーワードに対する URI が実行される． PRIFEX r d f :< h t t p : / /www. w3 . o r g /1999/02/22− rdf − s y n t a x−ns#> SELECT DISTINCT ? s e s s i o n WHERE{ ? s e s s i o n r d f : t y p e <<s e s s i o n >> } limit 100 Listing 2: キーワード記述を施したクエリの例図 5 では，クエリ中に拡張表現として入力したキーワードそれぞれに適する URI を選択する際の画面表示例を示している．推薦するのに適した候補を順序付けするための評価値の計算には，キーワードを含んだクエリの実行などを行う場合もある．図 5: キーワード補完. Listing 3に，キーワードとして”KEYOWORD”を含んだ場合の評価クエリの例を示す．本試作システムは，このようなクエリを DBpedia のエンドポイントなどに発行した後に，結果を取得している．得られた各 URI の末尾にくるスラッシュ以降の文字列について，指定したキーワードである”KEYWORD”との距離をレーベンシュタイン距離などにより計算し提示する．提示された URI から補完する URI を選択すると，クエリ中のキーワードがその URI によって置き換えられる． SELECT DISTINCT ? s WHERE { { ? s ?p ”KEYWORD”@en } UNION { ? s ? p ”KEYWORD” @ja } UNION { ? s ? p <h t t p : / / d b p e d i a . o r g / c l a s s / ”KEYWORD”> } UNION { ? s ? p <h t t p : / / d b p e d i a . o r g / i n s t a n c e / ”KEYWORD ”> } UNION { ? s ? p <h t t p : / / d b p e d i a . o r g / r e s o u r c e / ”KEYWORD ”> } UNION { ? s ? p <h t t p : / / d b p e d i a . o r g / o n t o l o g y / ”KEYWORD ”> } Listing 3: キーワードを含んだクエリの例図 6 では，エンドポイント推薦を行う際の，動作の様子を示している．キーワードと補完された URI は，クエリ中に拡張表現として入力した，それぞれに登録されたエンドポイントに対して，その URI を含んだクエリを実行し，エンドポイントで得られた結果の要素数などをもとにして評価値を提示する．また，登録されたエンドポイントを取得して，アクティブでないエンドポイントをできるだけ推薦しない仕組みようにしている．図 6: エンドポイント推薦画面例. 図 7 では，SPARQLoid クエリを記述する上で必要になる可能性が高いマッピングの情報の提示を行う．クエリの中で記述された URI を選択し，マッピングの情報を検索することにより，マッピングされた URI とマッピングで付与された値を提示する．また，Word2Vec を用いて，クエリの中で記述された URI を選択し，概念的類似度が高い URI と類似度を提示する機構を試作している．

Listing 4では，クエリの中で記述された URI を”URI” として，選択された URI に対してマッピングされた URI とマッピング時に付与された値を求めるクエリの例を提示する．マッピングデータは Alignment Format で記述されていることを前提とし，ターゲットオントロジーへの該当するエンティティとマッピング時に付与された値を抽出する．

(5)

図 7: SPARQLoid クエリ記述支援画面例 PREFIX a l i g n :< h t t p : / / knowledgeweb . s e m a n t i c w e b . o r g / h e t e r o g e n e i t y / a l i g n m e n t#> SELECT DISTINCT ? e n t i t y ? f l o a t WHERE{ ? s a l i g n : e n t i t y 2 ? e n t i t y . ? s a l i g n : e n t i t y 1 <”URI”> . ? s a l i g n : measure ? f l o a t } Listing 4: マッピングに関するクエリの例

5 議論

Word2Vecは語彙間の類似度を計算し，ベクトルによって語彙間の意味的な関係を表現することができるプログラムである．その Word2Vec の仕組みを，SPARQL クエリの記述における支援に用いることを考える． Word2Vecはベクトルによって語彙間の意味的な関係を表現することができる点から，語彙の加算・減算が可能である．例えば，適切に構成されたベクトル表現に対 して king−man+woman という計算を行うと，queen といった語彙が類似度として上位にくるような計算が行われる．このベクトル計算を利用して，クエリ中の語彙の選択に補助が必要な箇所に対してベクトル計算を行い，URI を補完する機構を実現することで，クエリ中の特定の部分で使う語彙を，そのクエリの周囲の語彙との関係性を考慮して推測するという支援の実現が考えられる．例えば，Listing 5 で示されたクエリ中にある”UN-KNOWN”という不明な箇所に対して，クエリ中に記述されている”http://casas.wsu.edu/owl/cose.owl#Surfa-ce”と”http://elite.polito.it/ontologies/dogont.owl#Tv” 及び”http://www.w3.org/2000/01/rdf-schema#label” を用いてベクトル計算を行う．表 1 に word2vec のベクトル計算の結果を示す． SELECT DISTINCT ∗ WHERE{

<h t t p : / / c a s a s . wsu . edu / owl / c o s e . owl#S u r f a c e > <h t t p : / /www . w3 . o r g /2000/01/ r d f−schema#

l a b e l > ? o1 .

”UNKNOWN” ? p2 ? o2 .

SERVISE<h t t p : / / 1 9 2 . 1 6 8 . 0 . 1 0 2 : 3 0 3 0 / dog / query >{ <h t t p : / / e l i t e . p o l i t o . i t / o n t o l o g i e s / d o g o n t . owl#Tv> <h t t p : / /www . w3 . o r g /2000/01/ r d f− schema#l a b e l > ? o3 . } } Listing 5: クエリ例表 1: ベクトル計算の例 Word Distance http://casas.wsu.edu/owl/cose.owl #ClothesWasher 0.737154 http://casas.wsu.edu/owl/cose.owl #ElectricalToaste0^^ http://www.w3.org/2001/XMLSchema #integer 0.732600 http://casas.wsu.edu/owl/cose.owl #Oven 0.731950 http://casas.wsu.edu/owl/cose.owl #1icrowaveOven 0.729925 http://casas.wsu.edu/owl/cose.owl #Refrigerator 0.728692 http://casas.wsu.edu/owl/cose.owl #CookingRange 0.726758

6 おわりに

本アプリケーションと SPARQLoid を組み合わせることで，単体で実行環境を整えたオントロジーマッピングに基づく SPARQL クエリ実行アプリケーションを構成可能になると考えられる．これにより，アプリケーションとしてスタンドアローンで動作させた場合でもマッピングに基づくクエリを発行可能にし，LOD の活用を容易とすることが考えられる．SPARQL クエリの出力結果のビジュアライズとしては d3sparql[6] といったソフトウェアライブラリも提案されてきており，これらを組み合わせて，クエリ記述者がクエリ内容のみでなく，その語彙やデータの使われ方を含めた理解容易性を実現することは，今後の課題である．マッピング選択時に Word2Vec のような自然言語処理に由来する単語間関係抽出手法を利用することは，クエリ記述時の語彙選択を容易することで，オントロジー間に複数の種類のマッピング関係があるような場合（これを異種マッピングと呼ぶ）におけるクエリ記述支援にも役立つことが考えられる．異種マッピングデータに基づくクエリ記述支援に関しては，今後の課題である．

(6)

謝辞

本研究の一部は，JST CREST の支援を受けたものである．

参考文献

[1] Fujino, T., Fukuta N.: A SPARQL Query Rewriting Approach on Heterogeneous Ontolo-gies with Mapping Reliability, In: Proc. of the IIAI International Conference on e-Services and Knowledge Management (IIAI-ESKM2012), pp. 230-235, 2012

[2] Fujino, T., Fukuta, N.: SPARQLoid - a Query-ing System usQuery-ing Own Ontology and Ontology Mappings with Reliability, In: Proc. of the 11th International Semantic Web Conference (Posters & Demos) (ISWC2012), 2012

[3] Fujino, T., Fukuta, N.: Utilizing Weighted On-tology Mappings on Federated SPARQL Query-ing, In: Proc. of the 3rd Joint International Se-mantic Technology Conference (JIST2013), 2013 [4] Noguchi Hiroki., Fukuta Naoki.: On Implement-ing a SPARQLoid Query CodImplement-ing Support Vocab-ulary Discovery for Queries with Weighted On-tology Mappings, In: Proc. International Work-shop on Linked Data in Practice (LDPW2013), pp.33–38, 2013.

[5] H. Noguchi, T.Fujino, and N. Fukuta.: ”On Im-plementing SPARQLoid and its Query Coding Support Framework – Querying with Weighted Ontology Mappings”, Proc. The 3rd Joint International Semantic Technology Conference (JIST2013), 2013.(demonstration)

[6] 片山俊明.: JavaScript による SPARQL 検索結果可視化ライブラリ, 第 29 回人工知能学会全国大会 (JSAI2015), 2015.

[7] Atsuko Y., Kouji K., Kai L., Hongyan W., Norio K.: An Intelligent SPARQL Query Builder for Exploration of Various Life-science Databases, The 3rd International Workshop on Intelligent Exploration of Semantic Data (IESD 2014) co-located with the 13th International Semantic Web Conference (ISWC 2014), 2014.

[8] Norio K., Kai L., Hongyan W., Kouji K., At-suko Y.: Prototype implementation of SPARQL Builder for Life-science Databases by intelligent schema analysis on RDF datasets, International Workshop on Semantic Web Applications and Tools for the Life Sciences (SWAT4LS 2014), 2014.

[9] Atuko Y., Katsuhiko O., Norio K., Kouji K., Sadahiro K., Kai L., Tomoe N., Hongyan W., Yasunori Y., Hideki H.: RDF-Based Integration with SPARQL Building System for Life Science Database Archive, 8th International Workshop on Semantic Web Applications and Tools for the Life Sciences (SWAT4LS 2015), 2015.

[10] Atencia M., Borgida A., Euzenat J., Ghidini C., Serafini L.: A Formal Semantics for Weighted Ontology Mappings, In: Proc. of the 11th Inter-national Semantic Web Conference (ISWC2012), 2012.

[11] Pan, J. Z.: Resource Description Framework. In Steﬀen, S., Rudi, S., eds.: Handbook on Ontolo-gies. (2009) 71-90

[12] Auer, S., Bizer, C., Kobilarov, G., Lehmann, J., Cyganiak, R., Ives, Z.G.: DBpedia: A Nu-cleus for a Web of Open Data. In: Proc. of the 6th International Semantic Web Conference (ISWC2007). (2007) 722-735

[13] Ernesto, R., Bernardo, G., Yujiao Z., Ian H.: Large-scale Interactive Ontology Matching: Al-gorithms and Implementation, In the 20th Euro-pean Conference on Artificial Intelligence (ECAI 2012), 2012.

[14] Ernesto, R., Bernardo, G.: LogMap: Logic-based and Scalable Ontology Matching, In the 10th International Semantic Web Confernece (ISWC 2011), 2011.

[15] Ernesto, R., Christian M., Bernardo, G., Ian H.: Evaluating Mapping Repair Systems with Large Biomedical Ontologies, In 26th Inter-national Workshop on Description Logics (DL 2013), 2013.

[16] Tomas Mikolov, Ilya Sutskever, Kai Chen, Greg Corrado, and Jeﬀrey Dean.: Distributed Repre-sentations of Words and Phrases and their Com-positionality. In Proceedings of NIPS, 2013.