Recently, huge amount of data is published on the Web and it continues to increase with an explosive speed. Finding information on the Web became harder. Semantic web is an extension to the current web in which web data is organized in a manner that facilitates getting information. The key point in the new web is data representation. The data should be represented into a semantic format that enables web agent to understand the data. Many semantic languages have been specified for representing data in semantic web. Resource Description Framework (RDF) is a standard language for semantic web that is supported by W3C.

The main problem of semantic web is depending on domain ontology for data representation. However, in this research we propose representing data into Concept Description Language (CDL) which does not depend on domain ontology. An approach for converting web databases to CDL semantic format is proposed.

Searching the semantic web data is challenge to exploit the semantic representation of data and satisfy users' needs. A semantic search engine based on CDL is proposed for query CDL data. the proposed search technique based on semantic relation between query concepts and semantic expansion for query keywords. The proposed technique is based on semantic graph matching. Moreover, two different semantic hierarchies are used for semantic expansion for query keywords. The first hierarchy is Universal Word (UW) semantic hierarchy and the second one is WordNet thesaurus.

A prototype for the proposed search engine is implemented and tested to show the effectiveness of the proposed technique. A micro web is a dataset represented into CDL. It includes web DBs converted to CDL. Micro-web dataset is used to test the proposed search engine. The results of the proposed approach is compared by the results Google search and UNL semantic search engine. Our results are very promising comparing to others.

Finally, an injection technique is proposed to inject RDF ontologies with CDL comments. The injected CDL comments are used by the proposed search engine to make ontology mapping for properties belongs to different ontologies. The generated mapping is used for SPARQL query expansion. SPARQL is a standard query language for RDF data.

本論文は「An Approach for Semantic Search in the Web including Databases(データベースを含むWebのセマンティック検索に向けたアプローチ)」と題し,英文で記されており,7章から成る.

第1章「Introduction(序章)」では,まず増大を続けるWebデータの活用では,キーワードによる検索だけでなく,次第に意味に踏み込んだ意味的検索(セマンティック検索)が必要とされている背景を述べている.2000年代初頭からW3Cを中心にメタデータの記述を対象として,コンピュータにも意味が理解できるように標準化を計るSemantic Webの活動があったが,これは必ずしも成功しているとは言い難く,最近ではその下位層の記述形式である RDF(Resource Description Framework: 基本的に(subject, predicate, object)の3つ組構造でsubjectとobject間の関係をpredicateで表す)を用いるLinked Open Dataとしての利用が広がりつつある.これとは別に,Webには関係データベース形式で大量のデータが埋め込まれており,コンピュータによるこの意味的検索と活用も課題となる.RDFデータや関係データベースの関係等を表わす語彙は応用領域毎に個別的に定義されるため(これをドメイン・オントロジーと称する),異なる領域に亘る利用が困難となる課題が生じる.この課題に対して,オントロジー写像(マッピング)の研究が行われてきているものの,課題は解消されておらず,広範囲での運用を阻害する大きな要因となっている.

本研究は日本で開発されたCDL(Concept Description Language)に着目し,上記課題の解決を図るアプローチを提示している.CDLは自然言語テキスト(英語,日本語,スペイン語,中国語…などいずれの言語も対象とする)が表す概念レベルの意味(深い意味でなく表層に近いレベルの意味)を,共通的な語彙セットと44種の関係ラベルによって共通的に表す記述言語であり,これによってコンピュータが自然言語テキストの意味把握を可能にする(本研究とは直接関係しないが,異なる言語間での意味の疎通も可能にする).領域依存といった性格を持たず,共通性があるCDLをデータ項目間の関係記述に利用することで,汎用的に意味的検索を可能にする新しいアプローチであることを述べている.

第2章は「Related Work(関連研究)」である.関係データベースのデータをRDFに変換してRDFデータとして検索を可能にするアプローチ,このRDFに加えルールを付加し推論により検索によって得られる範囲を拡大するアプローチ,検索キーワード拡張(keyword expansion)による意味的検索法などについて記している.

第3章は「Converting Relational DB to Semantic Format(関係DBのセマンティック記述形式への変換)」であり,Webに埋め込まれた関係データベース(DB)の大量のデータを,CDL記述に変換し,意味的検索を可能にする以下の方法を示している.まず関係DBスキーマにおいて,表の二つの列名(又はフィールド名)間に存在する関係を人がCDLで記述する.次いで,表の各行(タプル)の大量のデータ項目間を,この関係で関係付けたCDLデータを自動的に作成する.ここで人の関与は列名間の関係のCDL記述だけであり,この作業量は大きくない.領域に依存しない共通性を有する語彙によるCDL記述を用いることで,意味的検索を使用して領域依存のオントロジーの差異に阻害されることなく,検索・利用が可能になる.この関係データベースのデータをCDL記述に変換する支援システムDB2CDLを作成しており,この動作を実験により示している.

CDL記述はRDF形式に変換できることから,この章の後半ではルール知識をRDFデータ集合に付加し,ルールによる推論も併用して検索可能な範囲を拡大する,効率的な実現法を提示している.例えば,論文と著者についてのDBから生成したRDFがあるとすると「人物Aと人物Bが同一論文の共著者なら,AはBを知っている」,「人物Aが論文Yの著者であり,論文YのトピックがTなら,AはTに興味を持つ」という一般ルールを付加することにより,知人関係や興味についての情報検索も可能になる.Semantic WebやLinked Open DataでRDFの検索にはSPARQLが標準的に使われているが,ここではルールによる後向き推論でクエリ拡張を行い,これに基づくSPARQLによる RDFデータ検索で効率的に実行する.RDFへルールを付加するアプローチはこれまでにもあったが,本研究では推論を含む検索の効率化を図ったことが新規な点となる.このシステム作成し,実験により検索の効率性を示している.

第4章は「Semantic Search(意味的検索)」であり,グラフマッチングを基本とするCDLデータの意味的検索法を提示している.ここで意味的検索とは,完全なマッチングでなくとも,意味的に近い記述項目も含めて検索出力とすることを指す.CDL記述のグラフ表記では,ノードは概念(名詞,動詞,形容詞,副詞等の自立語に相当)を表し,ノード間のラベル付きエッジ(又はアーク)は関係を表すことになる.この場合,CDLデータ集合から構成されるグラフに対して,検索クエリで構成されるサブグラフのサブグラフ・マッチングを行うことになるが,マッチング条件を緩和するここでの意味的検索は以下のように行っている.ノート対ノードのマッチングにおいては,クエリ・サブグラフのノードの概念を,WordNet(英語のオンライン語彙辞書)での同義語,及びCDLの基本語彙階層から1段上の上位語に置き換えたサブグラフとも(不完全)マッチングを行い意味的検索を実現する.更に,ラベル付きエッジについても,44種のCDL関係間の意味的な近さを数値的に規定し,近い関係へ置き換えて(不完全)マッチングにより意味検索を行う.以上によっても検索出力が得られない場合,クエリ・サブグラフの意味的な重要性が低いエッジを一部削除して,条件緩和したグラフマッチングにより検索出力を得る.以上のグラフマッチングの度合いを,概念を表すノードのマッチング度,関係を表すエッジのマッチング度,クエリ・サブグラフから削除した部分の割合から算出し,意味的検索出力のランキングとしている.

第5章「Implemented Prototype(実装したプロトタイプ)」では,作成した上記のCDLデータ意味的検索システムについて記している.実験は,Wikipediaの自然言語テキストやWeb中の関係DBからの変換で得た20万以上のCDLデータを対象にしている.この際,自然言語テキストからCDLへの変換はまだ全自動にはならないので,不完全部分を見出して処置する編集システムの開発も行っている.Googleによる検索と比較し,各種のクエリに対し,本研究のシステムの方が高い検索精度が得られることを実証している.

第6章は「RDF Ontology Injection(RDFオントロジー注入)」であり,Linked Open Dataの進展で蓄積が進んでいるRDFデータを,領域依存オントロジーの差異に起因する課題を克服し異種領域に亘る活用を可能にするため,RDFオントロジー注入のアプローチを提示している.これは各個別の領域で規定されたRDFの関係を記述する語彙(オントロジー)に対し,その意味を表すCDL記述をコメントとして注入し,共通性を有するCDL記述を介して異なる領域のRDFデータ間を橋渡し,領域依存オントロジーの課題を克服する.この効果を実現するために具体的に作成したシステムでは,注入したCDL記述を持つRDF関係記述語彙をインデックスとして管理し,RDFに対する検索システムであるSPARQLをこのインデックスを参照してクエリ拡張し検索に用いている.そして,異なる領域オントロジーに基づく2種のRDFデータ集合(合計で約125万のRDFデータ)を対象にして,提案アプローチの効果を示している.

第7章「Conclusion and Future Work(結論と今後の課題)」では,本論文の研究成果をまとめ,今後の課題に言及している.

以上を要するに,本論文はWeb内に関係データベース形式で埋め込まれた大量のデータ,及びLinked Open Dataとして蓄積されつつあるRDF(Resource Description Framework)形式のデータを対象にし,領域依存の語彙体系(ドメイン・オントロジー)の差異に起因して阻害されていた異なる領域に亘るデータ検索の課題を,共通性のある語彙を持つCDL(Concept Description Language)を利用することで克服する新しいアプローチを提示している.加えて,ルールを付加して推論も含めて得られる範囲を拡大する効率的な検索法,グラフマッチングを基本として意味的に近いCDLデータを求める意味的検索法を具体的に示している.これらを実現するシステムを実装し,実験により効果を実証しており,今後の意味的検索を中心とするWeb技術の発展への貢献が認められ,創造的実践の観点からも価値が認められる.

よって本論文は博士(情報理工学)の学位請求論文として合格と認められる.