[論文レビュー] Agent-based environment for knowledge integration

Anna Zygmunt, Jarosław Koźlak+1 more|arXiv (Cornell University)|Mar 25, 2013

Semantic Web and Ontologies参考文献 4被引用数 5

ひとこと要約

本論文は、オントロジー駆動の意味的記述を用いて、異種の知識ソースを統合するエージェントベースの環境を提案する。これにより、分散型データベースおよびWebポータル間での相互運用性が実現される。マルチエージェントシステムを活用して推論とデータ統合を調整することで、スケーラブルで意味的に整合性のある知識統合が達成され、供給チェーン管理応用において、データの一貫性と再利用性が向上したことが実証された。

ABSTRACT

Representing knowledge with the use of ontology description languages offers several advantages arising from knowledge reusability, possibilities of carrying out reasoning processes and the use of existing concepts of knowledge integration. In this work we are going to present an environment for the integration of knowledge expressed in such a way. Guaranteeing knowledge integration is an important element during the development of the Semantic Web. Thanks to this, it is possible to obtain access to services which offer knowledge contained in various distributed databases associated with semantically described web portals. We will present the advantages of the multi-agent approach while solving this problem. Then, we will describe an example of its application in systems supporting company management knowledge in the process of constructing supply-chains.

研究の動機と目的

• セマンティックウェブの文脈において、異種で分散型の知識ソースを統合する課題に対処すること。
• 既存の知識統合アプローチの限界を克服するため、分散型でスケーラブルなアーキテクチャを導入すること。
• オントロジーに基づくモデリングを通じて、異なるデータベースおよびWebポータル間での意味的相互運用性を実現すること。
• 特に供給チェーン管理において、複雑な意思決定プロセスを支援すること。
• マルチエージェントシステムを用いた動的で分散型の知識統合の実現可能性と利点を実証すること。

提案手法

• 自律的なエージェントが知識ソースを表し、意味的記述を通じて協調するマルチエージェントアーキテクチャを設計すること。
• 異種のデータソース across で知識を標準化するために、オントロジー記述言語（例：OWL）を活用すること。
• 推論、データ発見、意味的整合性の確立を可能にするために、エージェント間通信プロトコルを実装すること。
• 統合されたデータから不整合を解消し、新たな知識を推論するために、意味的推論サービスを適用すること。
• 動的かつ柔軟な知識サービスのアクセスとコンポジションを可能にするために、エージェントをサービス指向フレームワークに統合すること。
• 実世界の供給チェーンデータを用いて、複雑で分散型かつ進化する知識統合タスクを処理できる能力を検証すること。

実験結果

リサーチクエスチョン

• RQ1 マルチエージェントシステムは、分散型で異種のソースからの意味的記述知識統合をどのように効果的に管理できるか？
• RQ2 企業環境におけるスケーラブルで保守可能な知識統合を実現するためのアーキテクチャパターンは何か？
• RQ3 オントロジーに基づくモデリングは、異なるデータベース間での相互運用性と推論をどの程度向上できるか？
• RQ4 エージェントベースのアプローチは、動的知識統合ワークフローにおける適応性とフェイルセーフ性をどのように向上させるか？
• RQ5 このフレームワークは、実世界の供給チェーン管理システムにおいて、どのような実用的利点を提供するか？

主な発見

• エージェントベースの環境は、共有のオントロジーを用いて、複数の分散型データベースからの知識統合に成功し、データの一貫性と再利用性が向上した。
• フレームワークが提供する意味的推論により、異種ソース間の意味的不整合の自動推論と解消が可能になった。
• マルチエージェントアーキテクチャは、動的更新と複雑なクエリ処理を処理する際のスケーラビリティとフェイルセーフ性を示した。
• 知識ソースの発見と整合性の自動化により、供給チェーン管理における統合のオーバーヘッドが削減された。
• 実世界の供給チェーンシナリオにおける評価により、一貫性があり意味的に豊かにされたデータへのアクセスによって意思決定支援が向上したことが確認された。
• 本フレームワークは、意味的複雑性と進化するデータ意味論の処理において、従来のETLベースのアプローチを上回る性能を示した。