[論文レビュー] On the cost-complexity of multi-context systems

Peter Novák, Cees Witteveen|arXiv (Cornell University)|May 28, 2014

Logic, Reasoning, and Knowledge参考文献 5被引用数 3

ひとこと要約

本稿では、非単調なマルチコンテキストシステムに、意味的演算子の実行コストを統合することで拡張したコスト認識マルチコンテキストシステム（C-MCS）を導入する。決定的MCSにおいて、部分均衡を再利用することで冗長な計算を低減するインクリメンタル推論アルゴリズムを提案し、海上監視のようなセンサーおよびデータベースアクセスに高い運用コストがかかるシステムにおいて、コスト複雑性を顕著に低減する。

ABSTRACT

Multi-context systems provide a powerful framework for modelling information-aggregation systems featuring heterogeneous reasoning components. Their execution can, however, incur non-negligible cost. Here, we focus on cost-complexity of such systems. To that end, we introduce cost-aware multi-context systems, an extension of non-monotonic multi-context systems framework taking into account costs incurred by execution of semantic operators of the individual contexts. We formulate the notion of cost-complexity for consistency and reasoning problems in MCSs. Subsequently, we provide a series of results related to gradually more and more constrained classes of MCSs and finally introduce an incremental cost-reducing algorithm solving the reasoning problem for definite MCSs.

研究の動機と目的

• マルチコンテキストシステムを用いた大規模な情報集約システムにおける帯域幅、エネルギー、データベースアクセスなどの高い運用コストに対処すること。
• 時間複雑性からリソースコストへ焦点を移すことで、マルチコンテキストシステムにおける整合性および推論のためのコスト複雑性をメトリクスとして形式化すること。
• 事前に計算された均衡を再利用することで、決定的マルチコンテキストシステムにおける繰り返し計算を最小限に抑えるインクリメンタル推論アルゴリズムの設計および実装。
• 実世界の展開、特にコスト効率が重要な海上交通監視システム（Metisなど）におけるフレームワークの評価。

提案手法

• 各知識ベースの意味的演算子に実行コストを割り当てる関数 $\mathit{cost}: \mathsf{KB} \rightarrow \mathbb{R}^+$ を導入することで、非単調マルチコンテキストシステムを拡張する。
• 一般、決定的、非巡回の各クラスのMCSにおいて、均衡を計算する際の最悪ケース総コストとしてのコスト複雑性の概念を導入する。
• 決定的MCSにおけるインクリメンタル推論のためのアルゴリズム3を提案し、均衡を断片ごとに逐次計算し、以前に処理された断片の結果を再利用する。
• 支持（supports）およびグラウンドド均衡の概念を用いて、単調性を活用して段階的にグローバル均衡を構築し、決定的MCSにおける正しさを保証する。
• 段階的な決定的MCSにおいて、コストが最小となる断片を優先して処理する断片選択戦略を採用し、コストを低減する。
• Metis（海上交通監視システム）における実装および展開を通じて、手法の有効性を検証し、実用的なコスト削減を示した。

実験結果

リサーチクエスチョン

• RQ1 マルチコンテキストシステムにおける意味的演算子の実行コストを、効率的なシステム設計を支援するための形式的モデルおよび分析手法としてどのように定式化できるか？
• RQ2 一般、決定的、非巡回マルチコンテキストシステムにおける整合性および推論の最悪ケースコスト複雑性の上限は何か？
• RQ3 断片ごとのインクリメンタル推論は、モノリシックな計算と比較して、決定的マルチコンテキストシステムにおけるクエリ応答の総コストを低減できるか？
• RQ4 情報フローの構造（例えば、コンテキストのサポートの重複）は、インクリメンタル推論アルゴリズムの性能にどのように影響を与えるか？
• RQ5 コスト認識推論は、海上監視プラットフォームのような実世界のシステムにおいて、スケーラビリティをどの程度向上できるか？

主な発見

• 本稿では、一般、決定的、非巡回マルチコンテキストシステムにおける整合性および推論の最悪ケースコスト複雑性の上界を確立し、コスト認識システム設計の理論的基盤を提供する。
• 決定的マルチコンテキストシステムにおいて、アルゴリズム3（インクリメンタル推論アルゴリズム）は単調性を活用し、部分均衡を再利用することで正しさを保証し、冗長な計算を低減する。
• アルゴリズムは断片をコストが低い順に処理することでコスト削減を達成し、特にコンテキストのサポートに重複が少ない場合に顕著に効果を発揮する。
• 実際の現場では、アルゴリズムはMetis（海上交通監視システム）に成功裏に実装・展開され、実世界での適用可能性とコスト削減効果を実証した。
• 多くのコンテキストが互いに多くの他のコンテキストに依存するような高レベルの再帰的依存（冗長性）は、頻繁な再計算を引き起こし、アルゴリズムの効果を制限するが、このような状況は実際の展開ではまれである。
• 本フレームワークにより、時間複雑性からコスト複雑性へ焦点を移すことで、知識集約型システムにおけるスケーラブルな推論が可能となり、リソース制約のある環境における実用的代替手段を提供する。