[論文レビュー] A Hybrid Approach to Query Answering under Expressive Datalog+/-

Mostafa Milani, Andrea Calı̀+1 more|arXiv (Cornell University)|Apr 22, 2016

Semantic Web and Ontologies参考文献 14被引用数 4

ひとこと要約

本稿では、非常に表現力が高く、弱くスタービー（WS）Datalog±と呼ばれる、高度に表現力のあるオントロジー言語における結合的クエリの答えのための、2つの新しい決定的アルゴリズムを提示する。1つ目のアルゴリズムは、クエリ駆動型で再開に基づくチャースを用い、クエリに特化したデータベース拡張を生成する。2つ目のアルゴリズムは、スタービープログラムへのハイブリッド変換を経て、標準的な書き換えを適用する。両方の手法とも、最適なデータ複雑性（ptime）を達成しており、実世界のOBDAシナリオにおける効率的かつ実用的なクエリ処理を可能にする。

ABSTRACT

Datalog+/- is a family of ontology languages that combine good computational properties with high expressive power. Datalog+/- languages are provably able to capture the most relevant Semantic Web languages. In this paper we consider the class of weakly-sticky (WS) Datalog+/- programs, which allow for certain useful forms of joins in rule bodies as well as extending the well-known class of weakly-acyclic TGDs. So far, only non-deterministic algorithms were known for answering queries on WS Datalog+/- programs. We present novel deterministic query answering algorithms under WS Datalog+/-. In particular, we propose: (1) a bottom-up grounding algorithm based on a query-driven chase, and (2) a hybrid approach based on transforming a WS program into a so-called sticky one, for which query rewriting techniques are known. We discuss how our algorithms can be optimized and effectively applied for query answering in real-world scenarios.

研究の動機と目的

• 弱くスタービー（WS）Datalog±、表現力が高く、かつ決定可能であるが、結合的クエリの答えのための決定的アルゴリズムが不足しているという問題に取り組む。
• 従来の研究で非決定的チャース手順に依存していたことによる実用的導入の障壁を克服する。
• 複雑なジョインと存在記号化ルールをサポートしつつ、決定可能性を維持する、効率的かつスケーラブルなクエリ処理技術を開発する。
• 最適なデータ複雑性（ptime）を達成することで、実世界のオントロジーに基づくデータアクセス（OBDA）システムにおける実用的導入を可能にする。
• WS Datalog±における結合的クエリの答えのデータ複雑性が、理論的下界に一致する最適なptimeで達成可能かどうかを確認する。

提案手法

• クエリに特化した、再開に基づく下向きチャースアルゴリズムを導入し、クエリに存在記号化された変数が何個あるかに応じたステップごとのデータベース拡張を実行する。
• 2段階の変換を適用する：まず、スコーレム化と注釈を用いて有限ランクの存在記号化変数を排除し、次にゼロランクの変数について部分的グランドイングを実行してスタービープログラムを生成する。
• スタービーDatalog±のための標準的な書き換え技術を用い、元のクエリを結合的クエリの和（UCQ）に変換する。
• 変換後のUCQを元のデータベースインスタンス上で直接評価することで、SQL風の実行が可能になる。
• 依存性グラフ解析を用いて、特定の定数が新しい原子を生成しない場合に、不要なルール拡張を回避することでグランドイングを最適化する。
• 最大m個の存在記号化変数を持つクエリのための事前計算による拡張のプリコンピューテーションと、オンデマンドでの再開を組み合わせ、インクリメンタルクエリ処理をサポートする。

実験結果

リサーチクエスチョン

• RQ1 表現力が高く、スタービーおよび弱くアセイクルDatalog±を拡張するWS Datalog±言語において、決定的で効率的なクエリ処理が達成可能か。
• RQ2 チャース手順をどのように変更すれば、終了性と決定性を保ちつつ、クエリ駆動型かつ効率的になるか。
• RQ3 スタービープログラムへのハイブリッド変換により、クエリの答えを保持しつつ、既存の効率的な書き換え技術を利用可能にするか。
• RQ4 WS Datalog±における結合的クエリの答えのデータ複雑性は何か。また、ptimeで達成可能か。
• RQ5 グランドイングをどのように最適化すれば、変換段階で冗長な原子を生成するのを避けることができるか。

主な発見

• 提案されたクエリ駆動型チャースアルゴリズムは、WS Datalog±における結合的クエリの答えの最適なデータ複雑性（ptime）を達成しており、拡張プロセスは決定的かつクエリ特化的である。
• ハイブリッドアプローチにより、スコーレム化と部分的グランドイングを経てWSプログラムをスタービープログラムに変換し、スタービーDatalog±のための既存の効率的書き換え技術の利用が可能になる。
• 両方のアルゴリズムとも、データ複雑性において最適なptime下界に達しており、理論的効率性と実用的妥当性が裏付けられる。
• 1つ目のアルゴリズムは、最大m個の存在記号化変数を持つクエリのための拡張を事前計算することで、再利用とオンデマンドでの拡張を可能にし、インクリメンタルクエリ処理をサポートする。
• 2つ目のアルゴリズムは、元のデータベース上で標準的なSQL風の処理を用いて変換後のUCQを効率的に評価でき、RDBMSとの統合を容易にする。
• 依存性グラフ解析による最適化により、変換段階での不要なグランドイングステップを回避することで、生成されるCQの数を削減できる。