Knowledge Graphs in Practice: Characterizing their Users, Challenges, and Visualization Opportunities

要約

この調査では、企業と学術の両方の現場でさまざまなユースケースに取り組む 19 人のナレッジ グラフ (KG) 実践者へのインタビューから得た洞察を示しています。
この調査を通じて、KG の作成、調査、分析の際に KG 実践者が経験する重大な課題を特定しましたが、これらの課題は視覚化デザインによって軽減できる可能性があります。
私たちの調査結果から、KG 実践者には KG ビルダー、アナリスト、消費者という 3 つの主要なペルソナが存在し、それぞれが独自の専門知識とニーズを持っていることが明らかになりました。
KG ビルダーにはスキーマ エンフォーサーのメリットがある一方、KG アナリストには暫定的なクエリ結果を提供するカスタマイズ可能なクエリ ビルダーが必要であることがわかりました。
KG の消費者については、ノードリンク図の有効性の欠如と、KG の採用と理解を促進するためにカスタマイズされたドメイン固有の視覚化の必要性を認識しています。
最後に、実際に KG を効果的に実装するには、現在のツール、テクノロジー、共同ワークフローでは対応できない技術的ソリューションと社会的ソリューションの両方が必要であることがわかりました。
インタビューの分析から、消化しやすさと発見しやすさのバランスをとるナレッジカード、時間的変化を追跡するタイムラインビュー、有機的な発見をサポートするインターフェイス、AI と機械学習の予測のセマンティックな説明など、KG の使いやすさを向上させるためのいくつかの視覚化研究の方向性を抽出します。

要約(オリジナル)

This study presents insights from interviews with nineteen Knowledge Graph (KG) practitioners who work in both enterprise and academic settings on a wide variety of use cases. Through this study, we identify critical challenges experienced by KG practitioners when creating, exploring, and analyzing KGs that could be alleviated through visualization design. Our findings reveal three major personas among KG practitioners – KG Builders, Analysts, and Consumers – each of whom have their own distinct expertise and needs. We discover that KG Builders would benefit from schema enforcers, while KG Analysts need customizable query builders that provide interim query results. For KG Consumers, we identify a lack of efficacy for node-link diagrams, and the need for tailored domain-specific visualizations to promote KG adoption and comprehension. Lastly, we find that implementing KGs effectively in practice requires both technical and social solutions that are not addressed with current tools, technologies, and collaborative workflows. From the analysis of our interviews, we distill several visualization research directions to improve KG usability, including knowledge cards that balance digestibility and discoverability, timeline views to track temporal changes, interfaces that support organic discovery, and semantic explanations for AI and machine learning predictions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google