[論文レビュー] Syntactic vs. Semantic Locality: How Good Is a Cheap Approximation?

Chiara Del Vescovo, Pavel Klinov+4 more|Research Explorer (The University of Manchester)|Jul 6, 2012

Semantic Web and Ontologies参考文献 11被引用数 6

ひとこと要約

この論文は、OWLオントロジー・モジュールにおける構文的局所性と意味的局所性の評価を行い、意味的局所性を初めて実装し、構文的局所性が計算的に安価な近似として非常に有効であることを示している。実世界のオントロジーを用いた実験では、意味的局所性モジュールと構文的局所性モジュールのサイズにほとんど差がなく、構文的抽出では最大6倍の高速化が達成された。理論的により正確である意味的局所性であっても、実用上は構文的局所性が優れていることが示された。

ABSTRACT

Extracting a subset of a given OWL ontology that captures all the ontology's knowledge about a specified set of terms is a well-understood task. This task can be based, for instance, on locality-based modules (LBMs). These come in two flavours, syntactic and semantic, and a syntactic LBM is known to contain the corresponding semantic LBM. For syntactic LBMs, polynomial extraction algorithms are known, implemented in the OWL API, and being used. In contrast, extracting semantic LBMs involves reasoning, which is intractable for OWL 2 DL, and these algorithms had not been implemented yet for expressive ontology languages. We present the first implementation of semantic LBMs and report on experiments that compare them with syntactic LBMs extracted from real-life ontologies. Our study reveals whether semantic LBMs are worth the additional extraction effort, compared with syntactic LBMs.

研究の動機と目的

• 計算的に効率的な構文的局所性が、OWL 2 DLオントロジーにおいて意味的局所性の良い近似であるかどうかを評価すること。
• これまで実装されていなかったが、既知のアルゴリズムに基づく意味的局所性に基づくモジュール（LBM）の実装と評価を行うこと。
• 意味的LBMの計算コストの増加が、モジュールサイズの有意な縮小によって正当化されるかどうかを特定すること。
• 構文的モジュールと意味的モジュールの差を引き起こす要因となる公理の種類を特定・分析すること。
• 理論的に困難であるにもかかわらず、意味的LBMの実用的実装可能性を調査すること。

提案手法

• OWL 2 DLの既存の推論サービスを活用し、エンタイルメントチェックを用いて意味的局所性に基づくモジュール抽出を実装した。
• 同じシードシグネチャを用いて、BioPortalから得た実世界のオントロジーのコロナスに対して、構文的および意味的LBMを抽出した。
• 平均m/2をもつ二項分布に従うように、サイズの異なるシードシグネチャをランダムサンプリングで生成した。
• 複数のオントロジーにわたる構文的LBMと意味的LBMのモジュールサイズと抽出時間を比較した。
• 差を引き起こす2種類の公理を特定・分類した：同義的公理（例：F ⊑ F）と、シグネチャ拡張後に非局所的になる公理。
• モジュールサイズおよびパフォーマンスの差の有意性を統計的分析で評価した。

実験結果

リサーチクエスチョン

• RQ1 実世界のOWLオントロジーにおいて、構文的局所性と意味的局所性に基づくモジュールのサイズはどのように比較されるか？
• RQ2 実際の状況では、構文的モジュール抽出は意味的モジュール抽出よりもどの程度速いか？
• RQ3 どの種類の公理が構文的モジュールと意味的モジュールの差を引き起こすか？
• RQ4 意味的モジュール抽出の計算コストは、モジュールサイズの有意な縮小によって正当化されるか？
• RQ5 理論的に困難であるにもかかわらず、意味的局所性に基づくモジュールは実用的に効率的に抽出可能か？

主な発見

• コロナスに含まれるほぼすべてのオントロジーにおいて、構文的モジュールと意味的モジュールのサイズに統計的に有意な差は認められなかった。
• 構文的モジュール抽出の平均的な高速化率は最大6倍にのぼり、一部のケースでは1桁の改善が見られた。
• モジュールサイズの差は限定的であり、計算時間の増加を補うに値しない。特に、Galen や People のような大規模で有名なオントロジーでは、サイズの縮小が観察されなかった。
• 差を引き起こす2種類の公理が特定された：同義的公理（例：F ⊑ F）と、シグネチャ拡張後に非局所的になる公理。
• 理論的に困難であるにもかかわらず、意味的局所性に基づくモジュールは実用的に効率的に抽出可能であり、実世界での利用可能性を示唆している。
• 本研究では、反射性公理に関連するOWL APIの構文的局所性チェッカーにバグを発見し、修正した。