[논문 리뷰] An Evidential Path Logic for Multi-Relational Networks

Marko A. Rodriguez, Joe Geldart|ArXiv.org|2008. 10. 08.

Semantic Web and Ontologies참고 문헌 15인용 수 3

한 줄 요약

이 논문은 다중관계 네트워크를 위한 증거 경로 논리 프레임워크를 제안하며, 증거 튜플 위에서 대수 연산을 사용하여 이진이 아니고 단조적이지 않은 추론을 가능하게 한다. 지식을 방향성 있는 간선으로 구성된 네트워크로 모델링하며, 지지 및 반대 증거로 레이블이 지정된 간선을 통해 경로 조합과 필터링을 통한 효율적이고 근사적인 추론을 가능하게 하며, RDF와 의미 웹에의 적용 가능성을 제공한다.

ABSTRACT

Multi-relational networks are used extensively to structure knowledge. Perhaps the most popular instance, due to the widespread adoption of the Semantic Web, is the Resource Description Framework (RDF). One of the primary purposes of a knowledge network is to reason; that is, to alter the topology of the network according to an algorithm that uses the existing topological structure as its input. There exist many such reasoning algorithms. With respect to the Semantic Web, the bivalent, monotonic reasoners of the RDF Schema (RDFS) and the Web Ontology Language (OWL) are the most prevalent. However, nothing prevents other forms of reasoning from existing in the Semantic Web. This article presents a non-bivalent, non-monotonic, evidential logic and reasoner that is an algebraic ring over a multi-relational network equipped with two binary operations that can be composed to execute various forms of inference. Given its multi-relational grounding, it is possible to use the presented evidential framework as another method for structuring knowledge and reasoning in the Semantic Web. The benefits of this framework are that it works with arbitrary, partial, and contradictory knowledge while, at the same time, it supports a tractable approximate reasoning process.

연구 동기 및 목표

• 기존의 RDFS 및 OWL과 같은 의미 웹 지식 시스템에서의 전통적인 이진성과 단조성 추론의 한계를 해결하기 위해.
• 절대적 진리가 아니라 증거 기반 진리 값으로 지식을 모델링하여 불확실성 하에서의 추론을 가능하게 하기 위해.
• 자원 제약 조건 하에서 대규모 지식 네트워크에서 실행 가능하고 근사적인 추론을 지원하기 위해.
• 증거 튜플을 사용하여 다중관계 네트워크에서 경로 기반 추론을 위한 형식적 대수적 프레임워크를 제공하기 위해.
• 증거 문장을 표현하기 위해 RDF 재구성과 명명된 그래프를 사용하여 의미 웹과의 통합을 가능하게 하기 위해.

제안 방법

• 지식을 다중관계 네트워크 $M = (V, \mathbb{E})$로 표현하며, $\mathbb{E}$는 범주적 레이블을 가진 간선 집합의 가족이다.
• 각 간선에 지지 및 반대 증거 튜플 $\langle w^+, w^- \rangle \in [0,1] \times [0,1]$을 할당하여 증거 네트워크를 구성한다.
• 두 개의 이항 연산인 증거 덧셈 ($+$)과 증거 조합 ($\cdot$)을 정의하며, 네트워크 위에서 대수적 링을 형성한다.
• 경로 대수를 적용하여 경로를 따라 증거를 계산하며, 예를 들어 자기 인용 추론을 위해 $\mathcal{A}^{\texttt{wrote}}_{(t+1)} = \mathcal{A}^{\texttt{wrote}}_{(t)} \cdot \mathcal{A}^{\texttt{wrote}}_{(t)\top}$를 사용한다.
• 자기 순환을 제거하기 위해 $n(\mathbf{I})$와 같은 필터를 사용하여 공저자 추론에서 자기 자신을 자신의 공저자로 간주하지 않도록 보장한다.
• 비영 증거를 $\langle 1,0 \rangle$으로 변환하기 위해 클립 함수 $c$를 활용하여 증거 기반 경로 전파 및 수정을 가능하게 한다.

실험 결과

연구 질문

• RQ1 다중관계 지식 네트워크에서 이진이 아니고 단조적이지 않은 추론을 어떻게 형식화할 수 있는가?
• RQ2 불확실성과 자원 제약 조건 하에서 효율적이고 근사적인 추론을 지원하는 대수적 구조는 무엇인가?
• RQ3 전역 계산 없이도 증거 네트워크에서 경로 기반 추론을 어떻게 조합하고 최적화할 수 있는가?
• RQ4 증거 기반 논리는 어떻게 RDF와 의미 웹 스택에 통합되어 실용적 구현이 가능한가?
• RQ5 부분적 또는 모순적인 지식은 어떻게 증거 튜플을 사용하여 표현하고 추론할 수 있는가?

주요 결과

• 프레임워크는 진리의 지지도와 반대도를 표현함으로써 임의의, 부분적이고 모순적인 지식에 대한 추론을 지원한다.
• 지역적 경로 순행과 필터링을 통해 증거 기반 추론이 계산적으로 실행 가능하며, 고비용의 전역 행렬 연산을 피한다.
• 경로 대수를 통해 동등하지만 더 효율적인 추론 경로를 유도할 수 있으며, 예를 들어 $n(\mathbf{I})$를 사용하여 자기 공저자성을 필터링할 수 있다.
• 자기 인용은 비영 증거를 $\langle 1,0 \rangle$로 변환하기 위해 클립 함수를 적용함으로써 'wrote' 관계에 대한 수정 증거로 사용된다.
• 공저자 추론은 $\mathcal{A}^{\texttt{coauthor}}_{(t+1)} = \left(\mathcal{A}^{\texttt{wrote}}_{(t)} \mathcal{A}^{\texttt{wrote}}_{(t)\top}\right) \circ n(\mathbf{I}) + \mathcal{A}^{\texttt{coauthor}}_{(t)}$를 통해 계산되며, 자기 순환을 제외한다.
• 시스템은 큼형 재구성 방식을 통해 RDF에 네이티브로 표현 가능하며, 증거 튜플이 명명된 그래프를 통해 문장에 부착된다.