Saturday, January 9, 2016

Semantic Web กับ Expertise Finding: Part I

Semantic Web go far beyond my knowledge

วันนี้ใช้เวลานิดนึงในการทำวิจัยเรื่องเก่าแต่เอามาใส่ขวดเหล้าใหม่ Expertise Finding ผู้เขียนตีพิมพ์งานวิจัยเรื่องนี้ไปตั้งแต่ปี ค.ศ. 2010 ทำกับนักศึกษาปริญญาโทคนแรก ในขณะที่ตัวเองได้เดินทางไปทำวิจัยในตำแหน่ง Postdoc ที่ประเทศนอร์เวย์ แต่ก็ติดต่อกับนักศึกษาและให้คำแนะนำ สอบถาม ถกเถียง แนวคิดกับนักศึกษาตลอดในระยะเวลาประมาณ 6 เดือน เป็นงานที่ได้รับการอ้างอิงมากพอสมควร และคิดว่าน่าจะเป็นรายแรกที่พูดถึง Semantics ซึ่งใช้ออนโทโลยีนำไปกำหนดความเชี่ยวชาญ การจับคู่และการจัดเรียง ความเชี่ยวชาญของนักวิจัย

ปีนี้ 2016 ต้องศึกษาปรับปรุงงานให้ทันสมัย เผอิญไปขอทุนเขามา  พูดถึง Expertise Finding (การค้นหาความเชี่ยวชาญ) บางคนอาจจะสงสัยกับคำว่า Expert Finding (การค้นหาผู้ี่ยวชาญ) ในความเห็นส่วนตัว Expertise เน้นความเชี่ยวชาญทางวิชาการหรือความเชี่ยวชาญในด้านใดด้านหนึ่งโดยเฉพาะ ซึ่งการประเมินจะวัดจากผลงานส่วนตัวของนักวิจัยเป็นหลัก เช่นผลงานวิจัยต่างๆ   แต่ Expert Finding เน้นความเชี่ยวชาญในหลายๆมุมมอง เช่น มองถึงการให้คำแนะนำผู้อื่น มองถึงผลงานที่สะท้อนทำให้คนอื่นเป็นที่รู้จัก มองถึงความเชี่ยวชาญทางวิชาการหรือความรู้เฉพาะของบุคคลนั้น  โดยส่วนตัวมองว่า Expert Finding เป็นการประเมินในมุมมองที่กว้างกว่า Expertise Finding ซึ่ง Expert Finding อาจประเมินในชุมชน หรือสังคม หรือในแวดวงที่บุคคลนั้นทำงานอยู่  งานวิจัยหลายๆงานก็ไม่ได้บ่งบอกความแตกต่างของมุมมองในการค้นหาความเชี่ยวชาญหรือผู้เชี่ยวชาญมากนัก  แต่ผู้เขียนขอสรุปว่า Expertise Finding เป็น Subset ของ Expert Finding มีการใช้ Dataset ที่แสดงความสามารถของบุคคล และไม่จำเป็นที่จะต้องสะท้อนมุมมองจากผู้อื่นหรือผู้ที่มีความเกี่ยวข้อง

วันนี้ค้นหาผลงานตัวเองใน DBLP ที่ http://dblp.rkbexplorer.com/ ที่มีการบรรยายผลงานวิจัยที่ตีพิมพ์ในฐานข้อมูล DBLP ของมหาวิทยาลัยในเยอรมัน จำชื่อมหาวิทยาลัยไม่ได้ พบว่ากำหนดคีย์เวิร์ดคือ นามสกุลเข้าไป ระบบงานก็ค้นหาข้อมูลออกมาได้ดังภาพ  (แสดงชื่อเก่าของผู้เขียนก่อนเปลี่ยนเป็นชื่อใหม่)  ข้อมูลในระบบ DBLP นี้เป็น NoSQL พูดง่ายๆคือไม่ได้ใช้ฐานข้อมูลแต่ใช้ Profile ซึ่งสร้างด้วยภาษษ rdf  และใช้เทคโนโลยี Semantic Web ในการคิวรีเอกสาร นั้นคือใช้เครื่องมือที่รองรับภาษา SPARQL ซึ่งปัจจุบันเป็นภาษามาตรฐานในการคิวรีเอกสาร RDF


 สังเกตดูข้อมูลในตาราง Subject, Property, Object คือข้อมูลที่บรรยายเกี่ยวกับผลงานของผู้เขียน คลิกเลือกงานวิจัยเรื่องแรกในชีวิตก็ว่าได้ ออกมาเมื่อปี 2003 ไปนำเสนอที่กรุงปารีส ทำกับอาจารย์ที่ปรึกษาที่จุฬาฯ

Property ในตารางจะแสดงความสัมพันธ์ระหว่าง Subject และ Object ซึ่ง Object คือโหนดในกราฟ RDF ซึ่งอาจมีการบรรยายข้อมูลคุณลักษณะอื่นๆของโหนด เช่นภาพด้านล่างผู้เขียนลองเลือกโหนดคือชื่อตัวเอง   ก็จะแสดงข้อมูลต่างๆที่เกี่ยวข้องที่สามารถหาได้ในกราฟออกมา
ผู้เขียนลองดาวน์โหลด RDF ไฟล์ของผลงานวิจัยที่ DBLP จัดเก็บในปี ค.ศ. 2003 ได้มาขนาดไฟล์ 147 MB โชคดีที่เปิดใน Notepad++ ได้ แต่ถ้าใหญ่กว่านั้นคงดูไม่ได้ นี่เป็นปัญหาใหญ่ของการใช้ Profile แทนการจัดเก็บด้วยระบบฐานข้อมูล คงต้องไปศึกษา HADOOP เพื่อจะประมวลผลเอกสารขนาดใหญ่ต่อไป
RDF เป็นภาษาสำหรับการบรรยายรีซอร์สบนเว็บที่พัฒนาโดยองค์กร W3C ตั้งแต่ปี ค.ศ. 1998 ต่อมาก็มีภาษา RDFS (RDF Schema) ออกตามมาเพื่อใช้ในการสร้างออนโทโลยีอย่างง่าย และในปัจจุบันนี้ภาษาที่ได้รับการนำเสนอให้เป็นภาษามาตรฐานคือภาษา OWL 
วกกลับมากับข้อมูลเชิงความหมายในเอกสาร RDF ส่วนหัวของเอกสารจะกำหนด Ontology Description หรือออนโทโลยีที่ใช้เพื่อทำการสร้างเอกสาร RDF อันนี้  ดึงมาจากสองออนโทโลยีหลักๆ ในตัวอย่าง akt คือ Prefix namespace ของออนโทโลยีที่กำหนดที่สร้างไว้ใน http://www.aktors.org/ontology/portal  ส่วนอีกอันคงจะอ้างอิงเฉยๆแต่ไม่ได้ใช้ในเอกสารเพราะผู้เขียนหาไม่เจอ 

 <owl:Ontology rdf:about="">
    <rdfs:label>DBLP : dblp-publications.rdf</rdfs:label>
    <dc:title xml:lang="en">DBLP : dblp-publications-2003.rdf</dc:title>
    <dc:description xml:lang="en">This ontology contains information detailing publications from dblp</dc:description>
    <dc:creator>ReSIST Project</dc:creator>
    <dc:creator>Christopher Franklin</dc:creator>
    <owl:imports rdf:resource="http://www.aktors.org/ontology/portal"/>
    <owl:imports rdf:resource="http://www.aktors.org/ontology/extension"/>
  </owl:Ontology>

ส่วนของการบรรยายข้อมูล rdf:about คือรีซอร์สที่ถูกบรรยายหรือคือโหนดในกราฟ แท็กต่างๆที่เป็น Child element (อยู่ล่างแค่ระดับเดียว) ภายใต้แท็กหนึ่งๆ จะถูกมองเหมือนเป็นแขน (edge) ที่ต่อเชื่อมไปยังโหนด  แขนนั้นอาจเชื่อมไปยังโหนดหรือข้อมูล   

 <akt:Book-Section-Reference rdf:about="http://dblp.rkbexplorer.com/id/conf/dais/SrihareeS03">
        <owl:sameAs rdf:resource="http://dblp.l3s.de/d2r/resource/publications/conf/dais/SrihareeS03"/>
        <akt:has-title>Discovering Web Services Using Behavioural Constraints and Ontology.</akt:has-title>
        <akt:has-author>
            <akt:Person rdf:about="http://dblp.rkbexplorer.com/id/people-3e489988b3bbdf918f97058302fe45fc-10a5df016a458827ffebbf37bc36d712">
                <akt:full-name>Natenapa Sriharee</akt:full-name>
            </akt:Person>
        </akt:has-author>
        <akt:has-author>
            <akt:Person rdf:about="http://dblp.rkbexplorer.com/id/people-d28f7a7a0328771dc2038fa5e37a8086-10a5df016a458827ffebbf37bc36d712">
                <akt:full-name>Twittie Senivongse</akt:full-name>
            </akt:Person>
        </akt:has-author>
        <akt:article-of-journal>
            <akt:Journal rdf:about="http://dblp.rkbexplorer.com/id/journal-f6793e3a8031f0d1320f9c620c483c84">
                <akt:has-title>DAIS</akt:has-title>
            </akt:Journal>
        </akt:article-of-journal>
        <akt:cites-publication-reference rdf:resource="http://dblp.rkbexplorer.com/id/conf/dais/2003"/>
        <akt:has-web-address>http://dx.doi.org/10.1007/978-3-540-40010-3_22</akt:has-web-address>
        <akt:has-date>
            <akts:Calendar-Date rdf:about="http://www.aktors.org/ontology/date#2003">
                <akts:year-of>2003</akts:year-of>
            </akts:Calendar-Date>
        </akt:has-date>
    </akt:Book-Section-Reference>

จากข้อมูลข้างต้นพิจารณากราฟบางส่วนของการบรรยายข้อมูลจากส่วนนี้
 <akt:Book-Section-Reference rdf:about="http://dblp.rkbexplorer.com/id/conf/dais/SrihareeS03">
        <owl:sameAs rdf:resource="http://dblp.l3s.de/d2r/resource/publications/conf/dais/SrihareeS03"/>
        <akt:has-title>Discovering Web Services Using Behavioural Constraints and Ontology.</akt:has-title>
        <akt:has-author>
            <akt:Person rdf:about="http://dblp.rkbexplorer.com/id/people-3e489988b3bbdf918f97058302fe45fc-10a5df016a458827ffebbf37bc36d712">
                <akt:full-name>Natenapa Sriharee</akt:full-name>
            </akt:Person>
        </akt:has-author>
  ...
 </akt:Book-Section-Reference>

จะแสดงกราฟได้ดังภาพ


เหตุผลของการบรรยายข้อมูลด้วยภาษา RDF ก็เนื่องจากสนับสนุนการขยายความในการบรรยายข้อมูล โดยไม่ต้องสนใจ Structure ของข้อมูลมากนัก  ข้อมูลทีบรรยายด้วย RDF ถูกมองว่าเป็น Structured Information แต่สามารถขยายหรือหดได้ด้วยการต่อแขนไปยังโหนดหรือเอาแขนออก  โดยไม่กระทบกระเทือนกับข้อมูลที่บรรยายไปแล้ว นี่เป็นข้อดีที่ RDF ถูกเลือกใช้ในการสร้างข้อมูลเชิงความหมายใน Semantic Web 

การสืบค้นข้อมูลทำได้ง่ายด้วยเทคนิคของ Graph Matching ซึ่งจะจับคู่ไปยังโหนดและแขน  นั่นเอง  การสืบค้นมองข้อมูลในรูปแบบกราฟ  สมมติคิวรีด้วยประโยค Triple (Subject, property,object) เช่น
?x owl:sameAs ?y ก็จะแสดงโหนดและโหนดที่มีความเท่ากันเชิงความหมาย (owl:sameAs แสดงความหมายว่ารีซอร์สเป็นรีซอร์สเดียวกัน ถึงแม้ว่าบรรยายด้วยออนโทโลยีที่ต่างกันก็ตาม)

เป้าหมายถัดไปสำหรับงานวิจัยคือการเพิ่มโหนดเพื่อสร้าง Expertise Finding ในงานวิจัยของผู้เขียนชิ้นก่อนนั้นทำการวิเคราะห์ Expertise จาก Title เป็นหลัก แต่ในการทำวิจัยในปีนี้ต้องพิจารณาเรื่องของ Citation และ h-Index ซึ่งมันยังไม่มีปรากฎใน RDF ของ DBLP  

...ติดตามตอนต่อไป...

กฤดาภัทร สีหารี 
9 มกราคม 2559 


No comments:

Post a Comment