[논문 리뷰] Bound Your Models! How to Make OWL an ASP Modeling Language

Sarah Alice Gaggl, Sebastian Rudolph외 1명|arXiv (Cornell University)|2015. 11. 03.

Multi-Agent Systems and Negotiation인용 수 3

한 줄 요약

이 논문은 이름이 지정된 개체로 정의된 유한 도메인에 제한된 모델을 갖는 OWL에 대해 유계 모델 의미론을 도입하여, 이를 응답 집합 프로그래밍(ASP) 언어로 기능하게 한다. 저자들은 SROIQ 지식 기반을 ASP 프로그램으로 변환하는 방법을 제안하여, 기존의 ASP 솔버를 통해 효율적인 유계 모델 추론 작업(예: 만족 가능성, 함의, 모델 추출 및 열거 등)을 수행할 수 있도록 한다. 실험 결과는 기존의 OWL 추론기보다 성능 향상이著명하다.

ABSTRACT

To exploit the Web Ontology Language OWL as an answer set programming (ASP) language, we introduce the notion of bounded model semantics, as an intuitive and computationally advantageous alternative to its classical semantics. We show that a translation into ASP allows for solving a wide range of bounded-model reasoning tasks, including satisfiability and axiom entailment but also novel ones such as model extraction and enumeration. Ultimately, our work facilitates harnessing advanced semantic web modeling environments for the logic programming community through an "off-label use" of OWL.

연구 동기 및 목표

• 응답 집합 프로그래밍(ASP)의 사용자 우호적이고 확장 가능한 모델링 환경의 부족은, 조합 문제 해결 능력이 뛰어나도 그 채택을 저해하고 있다.
• OWL의 고전적 의미론(무한 모델을 허용함)과 제약 만족 문제에서 요구하는 유한하고 유계된 추론 간의 불일치를 해결하고자 한다.
• rich한 도구 생태계와 직관적인 문법(예: 매니체스터 문법)을 지닌 OWL을 ASP 작업을 위한 고수준 모델링 언어로 사용할 수 있도록 하고자 한다.
• SROIQ 지식 기반에서 ASP 프로그램으로의 변환을 제공하여, 유계 모델이 정확히 응답 집합과 일치하도록 하여 고급 ASP 솔버의 활용을 가능하게 하고자 한다.
• 이 프레임워크 하에서 유계 모델 추론이 NP-완전임을 입증하여, 고전적 OWL 추론(2NExpTime-완전)보다 계산적으로 더 다루기 쉬운 것으로 보여준다.

제안 방법

• 모델의 해석 도메인을 온톨로지에 존재하는 이름이 지정된 개체로만 제한하여, 이를 통해 항상 유한한 모델을 보장하는 유계 모델 의미론을 도입한다.
• 최신 OWL 버전에 유계 모델 조건을 공리화하여 기존 OWL 추론기와의 호환성을 유지하지만, 이는 조합 폭발 문제로 인해 여전히 어려움을 겪는다.
• SROIQ 지식 기반에서 응답 집합 프로그램(ASP)으로의 직접적인 변환을 개발하여, ASP 프로그램의 응답 집합이 원본 온톨로지의 유계 모델과 정확히 일치하도록 한다.
• ASP 솔버의 내장 기능(예: clasp, dlv)을 활용하여 효율적인 모델 열거, 추출 및 최소화를 수행하며, 이는 표준 OWL 추론기에서는 원천적으로 지원되지 않는다.
• Protégé와 같은 환경에서 원활하게 사용할 수 있도록, OWL API 추론기 인터페이스를 통해 통합된 Wolpertinger 시스템을 개발한다.
• 제약, 집계, 최적화 문장과 같은 ASP 전용 기능을 활용한 최적화된 변환을 통해 복잡한 추론 작업에서 성능 향상을 이룬다.

실험 결과

연구 질문

• RQ1 비고전적 의미론을 통해 OWL을 응답 집합 프로그래밍을 위한 고수준 모델링 언어로 효과적으로 재사용할 수 있는가?
• RQ2 OWL에서 유계 모델 추론의 계산 복잡도는 무엇이며, 고전적 OWL 추론과 비교해 볼 때 어떻게 다른가?
• RQ3 SROIQ 지식 기반에서 ASP 프로그램으로의 변환은 유계 모델의 의미론을 유지하면서도 효율적인 추론을 가능하게 하는가?
• RQ4 기존의 ASP 솔버는 모델 열거 및 추출과 같은 유계 모델 추론 작업에서 기존의 OWL 추론기보다 얼마나 뛰어나게 성능을 발휘하는가?
• RQ5 ASP의 내장 기능을 활용해, 축약, 정당화, 추론과 같은 비표준 추론 작업을 이 프레임워크가 얼마나 잘 지원할 수 있는가?

주요 결과

• OWL에서의 유계 모델 추론은 NP-완전이며, 고전적 OWL 추론의 2NExpTime-완전성보다 훨씬 더 다루기 쉬운 것으로 나타났다.
• Wolpertinger 시스템은 ASP 변환을 사용하여 평균 6초 이내에 수수께끼의 지식 기반을 해결했으며, 이 중 90% 이상의 시간이 그라운딩에 소요되었고, 실제 해결에는 0.1초 미만이 소요되었다.
• 100만 개의 수수께끼 인스턴스에 대한 모델 열거에서는 Wolpertinger가 약 279초가 소요되었으며, 이 중 273초는 해결에 소요되어 대규모 열거 작업에 대한 확장성을 입증했다.
• 불만족 가능성 테스트에서, 더 큰 지식 기반에서는 HermiT가 15분 후 타임아웃에 빠졌지만, Wolpertinger는 85초 만에 해결했다.
• 모델 추출 및 부분적 열거는 HermiT에서 불가능했으며(15분 타임아웃), 그러나 Wolpertinger는 35초 이내에 10만 개의 모델을 성공적으로 추출했다.
• 이 프레임워크는 표준 OWL 추론기에서 원천적으로 지원되지 않는 고급 추론 작업(예: 모델 열거 및 추출)을 ASP의 내장 기능을 활용하여 가능하게 하였다.