[論文レビュー] Extract ABox Modules for Efficient Ontology Querying

Jia Xu, Shironoshita, Patrick+3 more|arXiv (Cornell University)|May 21, 2013

Semantic Web and Ontologies参考文献 43被引用数 3

ひとこと要約

本稿では、$/mathcal{SHIQ}$オントロジーにおけるABoxモジュールの形式的定義を提案し、特定の個体集合に関してすべての論理的含意を保持するものであり、孤立または並列推論を可能にする。これらのモジュールを抽出することで、推論時間が著しく短縮される——例の検証ではミリ秒単位に、DBpediaなどの大規模オントロジーではインスタンス検索においても2時間未塔にまで短縮される。これは、従来の全ABoxを用いた場合の数日から数時間に比べ顕著な改善である。

ABSTRACT

The extraction of logically-independent fragments out of an ontology ABox can be useful for solving the tractability problem of querying ontologies with large ABoxes. In this paper, we propose a formal definition of an ABox module, such that it guarantees complete preservation of facts about a given set of individuals, and thus can be reasoned independently w.r.t. the ontology TBox. With ABox modules of this type, isolated or distributed (parallel) ABox reasoning becomes feasible, and more efficient data retrieval from ontology ABoxes can be attained. To compute such an ABox module, we present a theoretical approach and also an approximation for $\mathcal{SHIQ}$ ontologies. Evaluation of the module approximation on different types of ontologies shows that, on average, extracted ABox modules are significantly smaller than the entire ABox, and the time for ontology reasoning based on ABox modules can be improved significantly.

研究の動機と目的

• 実世界のアプリケーション（例：バイオメディカル研究や医療分野）における大規模なABoxが原因で生じるオントロジークエリ処理のスケーラビリティ問題に対処する。
• $\mathcal{SHIQ}$のような表現力の高いDLにおけるインスタンス検証および結合的クエリ回答の高い計算複雑性（EXPTIME完全）を克服する。
• 特定の個体集合に関してすべての含意を保持する論理的に独立したABoxモジュールを抽出することで、効率的で孤立または分散推論を可能にする。
• 理論的整合性と実世界のオントロジーにおける実装可能性の両方を満たす、形式的かつ実用的なABoxモジュール抽出のアプローチを提供する。

提案手法

• 与えられた個体集合に関して、すべての論理的含意（明示的および暗黙的）の閉包としてABoxモジュールを定義し、TBoxに関して完全な含意の保持を保証する。
• 特定のシグネチャに関して、どのABox帰納が意味的に関連しているかを明確に識別するための「モジュール必須性」の概念を導入し、正確なモジュール構築を可能にする。
• 意味的閉包に基づく理論的アルゴリズムを提案するが、大規模なオントロジーでは計算コストが高くなる。
• 実用的利用を目的とした、実行可能な構文的近似法を開発する：(1) 概念および役割の依存関係を用いて関連する帰納を同定する。 (2) 個体の等価性の構文的近似を、隣接度数のチェックにより行う。
• 全ABoxよりも小さいが、推論の完全性を保持するABoxモジュールを抽出する。
• 各ABoxモジュールを独立して処理可能であるため、特にインスタンス検索および結合的クエリに対して、並列または分散推論を支援する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして$\mathcal{SHIQ}$オントロジーにおいて、特定の個体集合に関して論理的含意を完全に保持するABoxモジュールを形式的に定義できるか？
• RQ2 ABoxモジュール抽出が、大規模オントロジーにおけるインスタンス検証および結合的クエリ回答の効率に与える影響は何か？
• RQ3 完全性と計算可能性の両立を図る実用的でスケーラブルな近似法をABoxモジュール抽出のために設計できるか？
• RQ4 全ABox推論と比較して、ABoxモジュール上での孤立または分散推論が性能にどの程度向上をもたらすか？
• RQ5 多様なオントロジー種別において、抽出されたABoxモジュールのサイズとその推論時間は、元のABoxと比べてどの程度か？

主な発見

• 抽出されたABoxモジュールは平均して全ABoxよりも著しく小さく、推論タスクにおける性能向上が顕著に見られる。
• LUBM(s)およびDBpedia∗(s)において、モジュラー推論を用いることで、インスタンス検証時間は数秒から数ミリ秒に短縮された。
• LUBM(s)ではインスタンス検索時間が数時間から数秒に、DBpedia∗(s)では数日から2時間未塔にまで短縮された。これはスケーラビリティの向上を示している。
• バイオメディカルオントロジーでは、インスタンス検索時間が130時間以上から6時間未塔にまで短縮された。これは複雑な分野においても強い適用性を示している。
• ABoxモジュール抽出のオーバーヘッドは非常に小さく、平均して1名の個体あたり約1ミリ秒程度にとどまり、実用的なモジュラー推論の実現を可能にした。
• 提案された構文的近似法は最適ではない場合があるが、実世界の導入において完全性とパフォーマンスの実用的かつ効率的な妥協を提供している。