Calaisは、Thomson Reutersが開発したウェブサービスであり、非構造化テキストから意味情報を自動的に抽出し、セマンティックウェブに適した構造化形式に変換する。2008年1月に開始されたこのサービスは、プレーンテキストを読み取り、Resource Description Framework（RDF）形式で結果を返し、コンテンツ内のエンティティ、事実、イベントを識別する。無料で提供されており、現在は2018年に設立されロンドン証券取引所グループの子会社である金融市場データプロバイダーRefinitivのウェブサイトを通じてアクセス可能である。
Calaisの基盤となる技術は、2007年にReutersがClearForestを買収したことに由来すると考えられている。ClearForestは、自然言語処理（NLP）と情報抽出を専門とするテキスト分析企業であった。Calaisはこれらの機能を活用し、ウェブサービスインターフェースを介してサービスを提供することで、開発者や組織がオンプレミスインフラを必要とせずにセマンティックタグ付けを自社アプリケーションに統合できるようにしている。
中核機能
Calaisは入力テキストを処理し、エンティティ抽出を実行して、人物、組織、場所、その他の固有名詞を識別する。また、エンティティ間の関係やテキスト内で記述された出来事などの事実やイベントも検出する。出力は、ウェブ上のデータ交換の標準モデルであるRDF形式でフォーマットされ、抽出された情報を機械可読な方法でリンクし、クエリできるようにする。これにより、Calaisは多様なソースからのデータを相互接続できるセマンティックウェブアプリケーションを構築するための実用的なツールとなっている。
このサービスはシンプルなAPIを通じて動作し、プレーンテキスト入力を受け入れ、構造化された結果を返す。複数の言語をサポートし、大量のテキストを処理できるため、文書のバッチ処理に適している。無料アクセスモデルは、特に研究者や小規模開発者の間での実験と採用を促進している。
アプリケーションとユースケース
Calaisの注目すべきアプリケーションの1つは、ブログ記事の自動タグ付けである。投稿のコンテンツを分析することで、Calaisは関連するタグやカテゴリを生成し、手動の労力をかけずにコンテンツの発見可能性と整理を向上させることができる。この機能は、ブロガーやコンテンツ管理システムによってメタデータを強化するために使用されてきた。
もう1つの重要なユースケースは、美術館コレクションの整理である。美術館は、工芸品、芸術作品、歴史的記録の説明から意味情報を抽出するためにCalaisを採用してきた。結果として得られる構造化データは、キュレーターが関連アイテムをリンクし、テーマ別展示を作成し、訪問者に豊かなオンライン体験を提供するのに役立つ。これは、金融やニュースの領域を超えた技術の汎用性を示している。
技術的背景
このサービスは、品詞タグ付け、固有名詞認識、関係抽出などの自然言語処理技術に依存している。これらの方法はウェブサービスインターフェースを通じて実装され、ユーザーから基盤となる複雑さを抽象化している。RDF出力は、推論エンジンやトリプルストアなどのセマンティックウェブツールで消費でき、高度なクエリと推論を可能にする。
Calaisの設計は、Machine learningとNatural language processingをクラウドベースのサービスで利用可能にする初期のアプローチを反映しており、Large language modelの広範な採用に先立つものである。現代のTransformer (architecture)アーキテクチャを採用していないが、構造化抽出への焦点は、非構造化ソースから機械可読な知識を生成するというGenerative AIの現代的な取り組みと一致している。
進化と現在の状況
2018年のRefinitiv設立後、Calaisの利用可能性はRefinitivのウェブサイトに移行し、現在もサービスをホストしている。後にロンドン証券取引所グループに買収されたRefinitivは、より広範なデータおよび分析ポートフォリオの一部としてCalaisを維持している。サービスは無料のままであるが、その開発ペースは、OpenAIやGoogle DeepMindなどの企業による新しいAI製品と比較して鈍化している。
その古さにもかかわらず、Calaisは実用的なセマンティック抽出の初期の注目すべき例であり、この分野の後のツールに影響を与えている。RDFの使用とエンティティおよびイベント識別への焦点は、構造化データ抽出の先例を設定し、これは現在エンタープライズAIソリューションで一般的な概念である。2020年代初頭の時点で、サービスは引き続き動作しているが、そのユーザーベースはレガシーアプリケーションに移行している可能性がある。
現代のアプローチとの比較
現代のセマンティック抽出は、多くの場合、Deep learningモデル、例えばTransformer (architecture)ベースのシステムに依存しており、Calaisで使用されている可能性が高いルールベースまたは統計的手法よりも効果的に文脈と曖昧さを処理できる。しかし、Calaisの軽量なAPIと標準化されたRDF出力は、新しい重いモデルには欠けていることがあるシンプルさと相互運用性を提供する。正確なエンティティリンキングやイベント抽出を必要とするタスクでは、Calaisの決定論的な出力が有利であり、一方で現代のモデルはオープンエンドな理解に優れている。
このサービスの長寿命は、Xerox PARCやMIT CSAILなどのイニシアチブによって提唱されたセマンティックウェブにおける構造化データの永続的な価値を強調している。Calaisは最先端の技術を取り入れていないかもしれないが、セマンティック抽出の民主化におけるその役割は歴史的に重要である。