要約
ウェブ上に存在する関係型HTMLテーブルは、多様なエンティティを記述し、広範なトピックをカバーするデータを含んでいる。そのため、DBpediaやYAGO、Google Knowledge Graphなどのクロスドメイン知識ベースにおける欠損値の補完に非常に有用である。ウェブテーブルのデータを欠損値補完に活用するためには、まず対象の知識ベースとテーブルをマッチングさせる必要がある。このマッチングには、以下の3つのタスクが含まれる：テーブルからクラスへのマッチング、行からインスタンスへのマッチング、属性からプロパティへのマッチング。これらの各タスクに対して、さまざまなマッチングアプローチが提案されてきた。しかし、現存するアプローチはそれぞれ異なるウェブテーブルコーパスを用いて評価されており、個々の手法も、マッチングタスクに有用である可能性のあるウェブテーブルおよび知識ベースの特徴の一部しか活用していない。この2つの課題により、異なるマッチングアプローチ間の比較が困難となり、各特徴が全体的なマッチング結果に与える影響を評価することが困難となっている。本稿では、文献から取り入れた異なるマッチング技術および類似度スコアの集約手法を、一つの統合的なマッチングフレームワーク内に再実装し、同一のゴールドスタンダードに対して、これらの技術のさまざまな組み合わせを評価することにより、ウェブテーブルから知識ベースへのマッチングにおける各種特徴の有効性をより深く理解することに貢献する。ゴールドスタンダードは、Web Data Commonsのウェブテーブルコーパスから抽出されたウェブテーブルとDBpedia知識ベースとの間のクラス・インスタンス・プロパティ対応関係を含んでいる。