[論文レビュー] Ontological Queries: Rewriting and Optimization (Extended Version)

Georg Gottlob, Giorgio Orsi+1 more|arXiv (Cornell University)|Dec 1, 2011

Semantic Web and Ontologies参考文献 35被引用数 14

ひとこと要約

本稿では、Datalog±ファミリー、特に線形Datalog±における記述論理のクエリのための新規なリライトおよび最適化フレームワークを提示する。このフレームワークにより、関係データベース上の等価な結合選言的クエリの集合（UCQ）への効率的なコンパイルが可能になる。主な貢献は、クエリの削除と要因分解を用いてクエリサイズを顕著に削減する新アルゴリズムであり、正しく完全なリライトを保証するとともに、実世界および合成ワークロードにおいて顕著な性能向上を達成する。

ABSTRACT

Ontological queries are evaluated against an ontology rather than directly on a database. The evaluation and optimization of such queries is an intriguing new problem for database research. In this paper we discuss two important aspects of this problem: query rewriting and query optimization. Query rewriting consists of the compilation of an ontological query into an equivalent query against the underlying relational database. The focus here is on soundness and completeness. We review previous results and present a new rewriting algorithm for rather general types of ontological constraints. In particular, we show how a conjunctive query against an ontology can be compiled into a union of conjunctive queries against the underlying database. Ontological query optimization, in this context, attempts to improve this process so to produce possibly small and cost-effective UCQ rewritings for an input query. We review existing optimization methods, and propose an effective new method that works for linear Datalog+/-, a class of Datalog-based rules that encompasses well-known description logics of the DL-Lite family.

研究の動機と目的

• 大規模な関係データベース上で記述論理クエリを効率的に評価する課題に対処し、それらを等価な関係クエリにコンパイルすること。
• 記述論理ベースのデータアクセス（OBDA）の文脈において、記述論理クエリ処理の効率性とスケーラビリティを向上させること。
• 正しさを損なわずに、リライト後のクエリのサイズと計算コストを削減する最適化技術を開発すること。
• DL-Liteのような重要な記述論理を捉える重要な記述論理の断片である線形Datalog±を扱えるように、既存のリライト手法を拡張すること。
• 実世界および合成オントロジーを用いて、クエリリライトおよび最適化の実効性を実地で評価すること。

提案手法

• 記述論理上の結合クエリを、下位の関係データベース上の結合選言的クエリの集合（UCQ）にコンパイルする新アルゴリズムを提案。正しさと完全性を保証する。
• 入力クエリから冗長な原子を事前に削除することで、最終的なUCQのサイズを削減する、新規な最適化技術（クエリ削除）を導入。
• 各選言項間で共通の部分式を共有することで、リライト後のUCQをさらに圧縮するため、要因分解を採用。
• データ複雑度が効率的である線形Datalog±というDatalogベースのルールのクラスにこの手法を適用。
• 2段階のプロセスを採用：第一段階は正しく完全なアルゴリズムによるクエリリライト、第二段階はUCQサイズを最小化するための要因分解とクエリ削除による最適化。
• 実世界のオントロジー（A, U, S）および合成オントロジー（P5, P5X）を用いて、実行時間とリライトサイズを基準にQuOntoおよびRequiemと比較してアプローチを評価。

実験結果

リサーチクエスチョン

• RQ1 記述論理クエリを、正しさと完全性を保ちつつ、等価な関係クエリに効率的にリライトする方法は何か？
• RQ2 正しさに影響を与えることなく、リライト後のUCQサイズを削減する最適化技術は何か？
• RQ3 クエリ削除と要因分解は、記述論理クエリリライトのサイズと実行コストをどの程度削減できるか？
• RQ4 構造的複雑度が異なる実世界および合成オントロジーにおいて、本手法はどの程度スケーラブルか？
• RQ5 QuOntoやRequiemといった既存システムに比べ、本最適化戦略はリライトサイズおよび実行時間の面で優れているか？

主な発見

• クエリ削除は、A, U, Sのような実世界のオントロジーにおいて特に顕著に、最終的なUCQのサイズを削減する。冗長な原子が入力クエリから削除される。
• UおよびSオントロジーのQ2において、本手法はすべての冗長な原子を削除し、最終的なリライトにおける選言項の数を著しく削減した。
• 要因分解により、共通の部分式を共有することでUCQがさらに圧縮され、より小型かつ効率的なリライトが実現された。
• 特に構造が複雑な実世界のオントロジーにおいて、QuOntoおよびRequiemに比べ、本手法はリライトサイズおよび実行時間の両面で優れた性能を示した。
• P5およびP5Xのような合成ワークロードでは、指数関数的に大きなリライトを生成するように設計されているが、本手法は依然として測定可能な改善を示した。ただし、固有の複雑性のため、その恩恵は限界に達する。
• すべてのテストケースにおいて15分以内に完全なリライトが達成されたが、一部のケースではQuOntoやRequiemといったツールが処理を完了できなかった。