Keyword-based querying for the social semantic web [Elektronische Ressource] : the KWQL language: concept, algorithm and system / Klara Weiand

Klara Weiand

Sujets

• Informatik

Informations

• Publié par: ludwig-maximilians-universitat_munchen
• Publié le: 01 janvier 2010
• Nombre de lectures: 11
• Langue: English
• Poids de l'ouvrage: 6 Mo

Extrait

KEYWORD-BASED QUERYING FOR THE SOCIAL
SEMANTIC WEB – THE KWQL LANGUAGE: CONCEPT,
ALGORITHM AND SYSTEM
klara weiand
Dissertation an der Fakultät für Mathematik, Informatik und Statistik der
Ludwig–Maximilians–Universität, München
15. Dezember 2010KEYWORD-BASED QUERYING FOR THE SOCIAL
SEMANTIC WEB – THE KWQL LANGUAGE: CONCEPT,
ALGORITHM AND SYSTEM
klara weiand
Dissertation an der Fakultät für Mathematik, Informatik und Statistik der
Ludwig–Maximilians–Universität, München
15. Dezember 2010
Erster Berichterstatter: Prof. Dr. François Bry
Ludwig–Maximilians–Universität München
Zweiter Prof. Dr. Letizia Tanca
Politecnico di Milano
Datum des Rigorosums: 8. Februar 2011Breathe deeply and no one can put you in a cage.
— Daniel OdierABSTRACT
Enabling non-experts to publish data on the web is an important
achievement of the social web and one of the primary goals of
thesocialsemanticweb.Makingthedataeasilyaccessibleinturn
has received only little attention, which is problematic from the
point of view of incentives: users are likely to be less motivated
to participate in the creation of content if the use of this content
is mostly reserved to experts.
Querying in semantic wikis, for example, is typically realized
in terms of full text search over the textual content and a web
query language such as SPARQL for the annotations. This ap-
proach has two shortcomings that limit the extent to which data
can be leveraged by users: combined queries over content and
annotations are not possible, and users either are restricted to
expressing their query intent using simple but vague keyword
queries or have to learn a complex web query language.
The work presented in this dissertation investigates a more
suitableformofqueryingforsemanticwikisthatconsolidatestwo
seemingly conflicting characteristics of query languages, ease of
use and expressiveness. This work was carried out in the context
of the semantic wiki KiWi, but the underlying ideas apply more
generally to the social semantic and social web.
We begin by defining a simple modular conceptual model
for the KiWi wiki that enables rich and expressive knowledge
representation. A component of this model are structured tags, an
annotation formalism that is simple yet flexible and expressive,
and aims at bridging the gap between atomic tags and RDF. The
viabilityoftheapproachisconfirmedbyauserstudy,whichfinds
that structured tags are suitable for quickly annotating evolving
knowledge and are perceived well by the users.
The main contribution of this dissertation is the design and
implementation of KWQL, a query language for semantic wikis.
KWQL combines keyword search and web querying to enable
querying that scales with user experience and information need:
basic queries are easy to express; as the search criteria become
more complex, more expertise is needed to formulate the corre-
spondingquery.AnovelaspectofKWQListhatitcombinesboth
paradigms in a bottom-up fashion. It treats neither of the two
as an extension to the other, but instead integrates both in one
framework.Thelanguageallowsforrichcombinedqueriesoffull
text, metadata, document structure, and informal to formal se-
manticannotations.KWilt,theKWQLqueryengine,providesthe
viifull expressive power of first-order queries, but at the same time
can evaluate basic queries at almost the speed of the underlying
search engine. KWQL is accompanied by the visual query lan-
guagevisKWQL,andaneditorthatdisplaysboththetextualand
visual form of the current query and reflects changes to either
representation in the other. A user study shows that participants
quickly learn to construct KWQL and visKWQL queries, even
when given only a short introduction.
KWQL allows users to sift the wealth of structure and annota-
tions in an information system for relevant data. If relevant data
constitutes a substantial fraction of all data, ranking becomes
important. To this end, we propose pest, a novel method
that propagates relevance among structurally related or similarly
annotated data. Extensive experiments, including a user study
on a real life wiki, show that pest improves the quality of the
ranking over a range of existing ranking approaches.
viiiZUSAMMENFASSUNG
Eine wichtige Errungenschaft des Social Web und gleichzeitig
eines der Hauptziele des Social Semantic Webs ist es, Laien die
Veröffentlichung von Daten im Web zu ermöglichen. Der Frage,
wie wiederum ein einfacher Zugang zu diesen Daten ermöglicht
werdenkann,wurdehingegenbishernurwenigAufmerksamkeit
gewidmet. Dies ist problematisch, da mit einer geringeren Moti-
vation der Benutzer bei der Erstellung von Inhalten zu rechnen
ist, wenn die Verwendung dieser Inhalte Experten vorbehalten
ist.
Anfragen in semantischen Wikis sind etwa in der Regel durch
Volltext-Suche über die textuellen Inhalte und eine Webanfrage-
sprache wie SPARQL für Annotationen realisiert. Dieser Ansatz
hat zwei Nachteile, die Benutzer in der Fähigkeit einschränken,
Daten zu ihrem Vorteil zu nutzen: kombinierte Anfragen über
Volltext und Annotationen sind nicht möglich, und Benutzer
müssen ihre Anfrage entweder durch einfache und damit vage
Stichworte ausdrücken, oder aber eine komplexe Webanfrage-
sprache lernen.
Die in dieser Dissertation vorgestellte Forschung untersucht
eine geeignetere Form der Anfrage von Daten in semantischen
Wikis, die zwei scheinbar gegensätzliche Eigenschaften von An-
fragesprachen zusammenführt: Benutzerfreundlichkeit und Aus-
druckskraft. Diese Forschung wurde im Rahmen des semantis-
chenWikisKiWidurchgeführt,diezugrundeliegendenIdeensind
jedoch auf das Social Semantic und Social Web im Allgemeinen
anwendbar.
Wir beginnen mit der Definition eines einfachen und modu-
larenkonzeptuellenModellsfürdasKiWiWiki,daseinemächtige
und ausdrucksstarke Repräsentation von Wissen ermöglicht. Ein
Bestandteil dieses Modells sind strukturierte Tags, ein einfacher
und dennoch flexibler und ausdrucksstarker Annotationsformal-
ismus, der darauf abzielt, die Kluft zwischen atomaren Tags und
RDF zu überbrücken. Die Tragfähigkeit dieses Ansatzes wird
durch eine Nutzerstudie bestätigt, die zeigt, dass strukturierte
Tags von den Benutzern positiv aufgenommen werden und zur
schnellen Annotierung sich kontinuierlich entwickelnden Wis-
sens geeignet sind.
DerHauptbeitragdieserDissertationsindderEntwurfunddie
ImplementierungvonKWQL,einerAnfragesprachefürsemantis-
che Wikis. KWQL kombiniert Stichwortsuche und Web-Anfragen
und kann sich so der Erfahrung und dem Informationsbedarf
ixdes Nutzers anpassen: Elementare Anfragen können einfach aus-
gedrückt werden. Mit der Komplexität der Suchkriterien wächst
auch das Fachwissen, das benötigt wird, um die entsprechende
Anfrage zu formulieren. Neu ist dabei, dass KWQL die beiden
Paradigmen von Grund auf verbindet. Es behandelt keines der
beiden als Erweiterung des anderen, sondern integriert beide in
einem gemeinsamen System. Die Sprache ermöglicht mächtige
kombinierte Anfragen über Volltext, Metadaten, Dokumentstruk-
tur,undinformaleundformalesemantischeAnnotationen.KWilt,
die Anfrage-Engine von KWQL, bietet die volle Ausdruckskraft
von Logik erster Stufe, gleichzeitig können einfache Anfragen
nahezu mit der Geschwindigkeit der zugrundeliegenden Such-
maschine ausgewertet werden. KWQL wird ergänzt durch die
visuelle Anfragesprache visKWQL sowie durch einen Editor, der
sowohl die textuelle als auch die visuelle Form der aktuellen
Anfrage anzeigt und Änderungen in einer Darstellung in der
jeweils anderen wiedergibt. Eine Nutzerstudie zeigt, dass die
Teilnehmer schnell lernen, Anfragen in KWQL und visKWQL zu
erstellen, selbst wenn nur eine kurze Einführung gegeben wurde.
KWQL ermöglicht es, die reichhaltige Struktur und Anno-
tationen eines Informationssystems nach relevanten Daten zu
durchsuchen. Wenn die relevanten Daten einen erheblichen An-
teilallerDatenausmachen,gewinntderenRankinganBedeutung.
Zu diesem Zweck stellen wir pest vor, eine neue Methode zur
Berechnung von Rankings, die Relevanz zwischen strukturell
verwandten oder ähnlich annotierten Daten propagiert. Umfan-
greiche Experimente, darunter eine Nutzerstudie in einem realen
Wiki, zeigen, dass pest die Qualität des Rankings verglichen mit
eine Reihe bestehender Ansätze verbessert.
x