[論文レビュー] A Semantic Similarity Measure for Expressive Description Logics

Claudia d’Amato, Nicola Fanizzi+1 more|ArXiv.org|Nov 26, 2009

Semantic Web and Ontologies参考文献 24被引用数 66

ひとこと要約

本稿では、表現力のある記述論理（例：ALC）の完全な意味的類似度測定法を提案する。この手法は、集合の共通部分と基数比を用いて、概念記述、個体、および概念-個体ペア間の類似度を計算する。この方法は包含関係およびインスタンスチェックの推論に依存しており、標準的なDL推論の複雑さで上限が保証され、形式的な意味的根拠を持つSemantic Webアプリケーションにおけるクラスタリングおよびリtrievalを可能にする。

ABSTRACT

A totally semantic measure is presented which is able to calculate a similarity value between concept descriptions and also between concept description and individual or between individuals expressed in an expressive description logic. It is applicable on symbolic descriptions although it uses a numeric approach for the calculus. Considering that Description Logics stand as the theoretic framework for the ontological knowledge representation and reasoning, the proposed measure can be effectively used for agglomerative and divisional clustering task applied to the semantic web domain.

研究の動機と目的

• 知識ベース構築および統合タスクにおける表現力のある記述論理の完全な意味的類似度測定法の欠如に対処すること。
• 概念間の類似度に加え、個体間および概念と個体の間の類似度計算を可能にすること。
• DLに基づくオントロジーにおける凝集的および分割的クラスタリング、情報検索、および事例ベース推論を支援すること。
• 一階論理表現における構文的またはヒューリスティックベースの類似度測定法の制限を克服すること。
• 構文的構造ではなく形式的意味論に根ざした手法を開発し、標準的な包含関係推論と互換性を保つこと。

提案手法

• 類似度測定 s(C, D) は、概念拡張の共通部分 |II| と、個体概念記述の基数 |CI| および |DI| を用いて定義される。
• 中心的な式は s(C, D) = |II| / (|CI| + |DI| - |II|) * max(|II|/|CI|, |II|/|DI|) であり、集合の重複と相対的特異性を組み合わせる。
• 個体-概念類似度のためには、個体の最も具体的な概念（MSC）の近似値が得られ、それを基準概念として用いる。
• 個体-個体類似度のためには、両方の個体のMSC近似値が計算され、同じ式を用いて比較される。
• この手法は、概念拡張およびMSC近似値の計算に標準的なDLインスタンスチェック推論に依存する。
• 複雑さはインスタンスチェックの複雑さ C(IC) の関数として分析され、概念-概念類似度では C(s) = 3·C(IC) となる。

実験結果

リサーチクエスチョン

• RQ1 表現力のある記述論理に対して、概念、個体、および概念-個体ペア間の類似度をサポートする完全な意味的類似度測定法を定義できるか？
• RQ2 個体の最も具体的な概念（MSC）をどのように用いることで、異なる意味的タイプ間の類似度計算を一般化できるか？
• RQ3 提案された類似度測定法の計算的複雑さは、標準的なDL推論タスクと比べてどの程度か？
• RQ4 現在のアプローチが個体間の意味的類似度を適切に捉えられない理由は何か？そして、この問題をどのように解決できるか？
• RQ5 距離に基づくアプローチを用いて、重複のない概念を扱えるように類似度測定法を拡張できるか？

主な発見

• 提案された類似度測定 s は、すべての類似度関数の形式的性質（非負性、対称性、自己類似度の最大化）を満たす。
• この測定法はALCの意味論に正式に根ざしており、包含関係およびインスタンスチェックに依存するため、標準的な推論サービスと互換性がある。
• 概念-概念類似度に関しては、複雑さが 3·C(IC) であり、C(IC) は対象となるDL（例：ALCではPSPACE）におけるインスタンスチェックの複雑さである。
• 個体-概念または個体-個体類似度に関しては、MSC近似値の計算が必要なため、C(MSC*) の追加の複雑さが生じる。
• MSC近似値が極めて具体的すぎるため、意味的に類似した個体同士でも誤った不類似度が生じるという、個体-個体類似度における制限が認められる。
• 著者らは、MSC近似値の一般化を図ることで特異性を低下させ、個体レベルの比較における類似度検出を向上させる必要があると指摘している。