[論文レビュー] Taxonomic Provenance: Two Influential Primate Classifications Logically Aligned

Nico M. Franz, Naomi M. Pier+6 more|arXiv (Cornell University)|Dec 2, 2014

Scientific Computing and Data Management参考文献 47被引用数 3

ひとこと要約

本論文は、Mammal Species of the World（MSW2 および MSW3）の霊長目分類について、1,000以上の分類的概念を網羅的に整合させるために、Answer Set Programming（ASP）を用いた論理的枠組みを提示する。この枠組みにより、2つの版間で名前が使われる度合の約3分の1が意味的整合性を欠くことが特定され、自動化され機械で処理可能な分類的由来追跡の可能性が示された。

ABSTRACT

Classification standards such as the Mammal Species of the World (MSW) aim to unify name usages at the global scale, but may nevertheless experience significant levels of taxonomic change from one edition to the next. This circumstance challenges the biodiversity and phylogenetic data communities to develop more granular identifiers to track taxonomic congruence and incongruence in ways that both humans and machines can process, i.e., to logically represent taxonomic provenance across multiple classification hierarchies. Here we show that reasoning over taxonomic provenance is feasible for two classifications of primates corresponding to the second and third MSW editions. Our approach entails three main components: (1) individuation of name usages as taxonomic concepts, (2) articulation of concepts via human-asserted Region Connection Calculus (RCC-5) relationships, and (3) the use of an Answer Set Programming toolkit to infer and visualize logically consistent alignments of these taxonomic input constraints. Our use case entails the Primates sec. Groves (1993; MSW2 - 317 taxonomic concepts; 233 at the species level) and Primates sec. Groves (2005; MSW3 - 483 taxonomic concepts; 376 at the species level). Using 402 concept-to-concept input articulations, the reasoning process yields a single, consistent alignment, and infers 153,111 Maximally Informative Relations that constitute a comprehensive provenance resolution map for every concept pair in the Primates sec. MSW2/MSW3. The entire alignment and various partitions facilitate quantitative analyses of name/meaning dissociation, revealing that approximately one in three paired name usages across treatments is not reliable - in the sense of the same name identifying congruent taxonomic meanings. We conclude with an optimistic outlook for logic-based provenance tools in next-generation biodiversity and phylogeny data platforms.

研究の動機と目的

• MSW のようなグローバル分類システムの版間で、名前の使用が明確な由来なしに変化する場合に、その変化を追跡する課題に対処すること。
• 機械で処理可能で意味的に透明な分類的由来の表現と推論手法を開発すること。
• 2つの代表的な霊長目分類の整合をとることで、生物多様性データにおける名前／意味の乖離を定量的に分析すること。
• 論理的推論が、顕著な変化が生じても、版間で一貫した分類的概念の整合を生み出せることを示すこと。

提案手法

• 名前の使用を個別化し、正確な比較が可能な分類的概念として明確化すること。
• 人間が主張する領域接続計算（RCC-5）関係を用いて、概念間の空間的および階層的重複を記述すること。
• 入力の記述から論理的に整合する整合を推論するために、Answer Set Programming（ASP）ツールキットを活用すること。
• すべての概念ペアの由来関係を表すために、153,111個の最大情報量関係を生成すること。
• すべての入力制約の整合性を確認し、一貫した唯一の解を生成することで、整合性を検証すること。
• 整合性とその部分集合を可視化し、分類的整合性に関するさらなる定量的分析を支援すること。

実験結果

リサーチクエスチョン

• RQ1 複数の分類階層にまたがる分類的由来を体系的に表現・推論する方法は何か？
• RQ2 MSW2 と MSW3 の霊長目分類における名前の使用は、どの程度意味的整合性を保っているか？
• RQ3 論理的推論は、連続する分類版間の分類変更における曖昧さを解消できるか？
• RQ4 2つのMSW版間で、名前／意味の乖離を示す名前の使用割合はどの程度か？
• RQ5 自動化され機械で処理可能なツールは、生物多様性および系統発生プラットフォームにおける分類データの追跡可能性と信頼性を向上させられるか？

主な発見

• 推論プロセスにより、402件の入力記述をもとに、MSW3の483個の霊長目概念をMSW2の317個の概念に、論理的に整合した一意の対応付けが得られた。
• 合計153,111個の最大情報量関係が推論され、すべての概念ペアの由来関係を網羅する包括的な由来解決マップが構築された。
• 2つの版間で、約33％の名前の使用が、同じ名前が一致する分類的意味を示さないという点で信頼性に欠けることが判明した。
• 本手法は、分離・統合・再分類といった複雑な分類的変更に対しても、形式的な論理的整合性を保って正しく処理できた。
• 本アプローチは、次世代の生物多様性プラットフォームが大規模に分類的由来を追跡できる可能性を示した。
• 結果から、系統発生的および生物多様性研究におけるデータ相互運用性と再現可能性を向上させるために、細粒度で機械で処理可能な識別子の導入が不可欠であることが示された。