[論文レビュー] On Reasoning with RDF Statements about Statements using Singleton Property Triples

Vinh Nguyen, Olivier Bodenreider+7 more|arXiv (Cornell University)|Sep 15, 2015

Semantic Web and Ontologies参考文献 27被引用数 4

ひとこと要約

本稿では、時間的・空間的・出典情報などの文書に関するメタデータを含む記述から、元のRDFデータ記述をRDFS推論エンジンが推論できるようにする、単一性プロパティ三項組みの使用によるシンプルで標準準拠のメカニズムを提案する。LUBM-SPデータセットを用いた評価では、標準LUBMと比較してクエリ実行時間に平均10–12%の性能オーバーヘッドが生じたが、知識ベースのサイズとプロパティ階層の複雑さが増加しても、妥当なスケーラビリティを示している。

ABSTRACT

The Singleton Property (SP) approach has been proposed for representing and querying metadata about RDF triples such as provenance, time, location, and evidence. In this approach, one singleton property is created to uniquely represent a relationship in a particular context, and in general, generates a large property hierarchy in the schema. It has become the subject of important questions from Semantic Web practitioners. Can an existing reasoner recognize the singleton property triples? And how? If the singleton property triples describe a data triple, then how can a reasoner infer this data triple from the singleton property triples? Or would the large property hierarchy affect the reasoners in some way? We address these questions in this paper and present our study about the reasoning aspects of the singleton properties. We propose a simple mechanism to enable existing reasoners to recognize the singleton property triples, as well as to infer the data triples described by the singleton property triples. We evaluate the effect of the singleton property triples in the reasoning processes by comparing the performance on RDF datasets with and without singleton properties. Our evaluation uses as benchmark the LUBM datasets and the LUBM-SP datasets derived from LUBM with temporal information added through singleton properties.

研究の動機と目的

• 標準的な再帰的記述化（reification）が存在しない状況において、RDF記述に関する記述（statement about statements）を表現し、推論するという未解決の課題に対処すること。
• 既存のRDFS推論エンジンが、時刻、場所、出典などのメタデータを記述する単一性プロパティ三項組みを認識し、元のデータ三項組みを推論できるようにすること。
• メタデータとしての単一性プロパティを統合した場合の、大規模RDF知識ベースにおける推論タスクへの性能影響を評価すること。
• 単一性プロパティアプローチが、整合的でスケーラブルかつ相互運用可能なメタデータ豊富なRDFデータに対する推論を支援することを実証すること。

提案手法

• 本稿では、各メタデータを付与された三項組みが、元の三項組みとそのメタデータを結ぶ一意なプロパティ三項組みとして表現され、階層的なプロパティ構造を形成する、単一性プロパティメカニズムを導入する。
• メタデータを付与された記述から単一性プロパティ三項組みへの形式的マッピングを定義し、RDFSおよびRDF 1.1標準と互換性を持つようにする。
• このアプローチにより、RDFS推論エンジンが単一性プロパティ階層をたどり、RDFSの帰結規則を適用することで、元の三項組みを推論できるようになる。
• Lehigh University Benchmark (LUBM) を、単一性プロパティを用いて時間的メタデータを拡張したLUBM-SPに拡張し、性能比較のための制御されたベンチマークを構築する。
• JenaおよびOracle RDFストアを用いて、標準LUBMとLUBM-SPデータセット間のクエリ実行時間と推論オーバーヘッドを比較する性能評価を実施する。

実験結果

リサーチクエスチョン

• RQ1 既存のRDFS推論エンジンは、時刻、場所、出典などのメタデータを記述する単一性プロパティ三項組みから、元の三項組みを認識し、推論できるか？
• RQ2 時間、場所、出典などのメタデータを単一性プロパティで拡張した知識ベースを用いた推論における性能オーバーヘッドはどの程度か？
• RQ3 単一性プロパティ階層のサイズが、推論のスケーラビリティおよびクエリ実行時間に与える影響は何か？
• RQ4 単一性プロパティアプローチはW3C RDF標準と互換性があり、セマンティックウェブアプリケーションにおける実世界の展開に適しているか？

主な発見

• 単一性プロパティメカニズムにより、RDFS推論エンジンはメタデータを付与された記述から、元の三項組みを推論可能となり、RDF 1.1およびRDFS標準との完全な準拠性を達成している。
• JenaではLUBM-SP知識ベース（単一性プロパティを含む）のクエリが標準LUBMデータセットと比較して平均10%長く、Oracleでは12%長く実行時間のかかることが判明した。これは、知識ベースのサイズ増加とプロパティ階層の複雑さによるものである。
• LUBM-SP知識ベースのサイズは、主にメタデータを単一性プロパティ三項組みとして表現するため、標準LUBMデータセットの約2倍である。
• 長時間実行されるクエリ（例：Q8, Q9）はJenaではタイムアウトしたが、Oracleではキャッシュのおかげでより速く実行された。これは、異なるシステム間での性能差が生じることを示している。
• このアプローチは、プロパティ階層の複雑さにもかかわらず、妥当な性能オーバーヘッドを示しており、実世界のアプリケーションへのスケーラビリティを支持している。
• 評価により、単一性プロパティアプローチが理論的に整合的であり、実用的にもRDF記述に関するメタデータを扱う推論に適していることが確認された。