[논문 리뷰] Compactness in Semiring Semantics

Erich Grädel|arXiv (Cornell University)|2017. 12. 06.

Scientific Computing and Data Management참고 문헌 17인용 수 17

한 줄 요약

이 논문은 부정을 처리하기 위해 이중 미지수를 사용하는 전체 일阶논리에 대한 새로운 반환반경 의미론을 제안하며, 이를 통해 특정 반환이 조건을 만족하는 모델을 식별할 수 있는 역방향 반환이 분석이 가능해진다. 특히 가환 반환반경에 대해 다항식을 확장함으로써, 특히 Viterbi 반환반경을 통해 신뢰도 최적화 모델 합성을 가능하게 하여, 증명 트리 수와 신뢰도 점수를 이용해 반환이 다항식에서 최적의 모델을 유추할 수 있음을 보여준다.

ABSTRACT

During the early days of relational database theory it was realized that "acyclic" database schemas possess a number of desirable properties. In fact, three different notions of "acyclicity" were identified and investigated during the 1980s, namely, α-acyclicity, β-acyclicity, and γ-acyclicity. Much more recently, the study of α-acyclicity was extended to annotated relations, where the annotations are values from some positive commutative monoid. The recent results about α-acyclic schemas and annotated relations give rise to results about β-acyclic schemas and annotated relations, since a schema is β-acyclic if and only if every sub-schema of it is α-acyclic. Here, we study γ-acyclic schemas and annotated relations. Our main finding is that the characterization of γ-acyclic schemas in terms of monotone sequential join expression extends to annotated relations, provided the annotations come from a positive commutative monoid that has the inner consistency property. Furthermore, the results reported here shed light on the role of the join of two standard relations. Specifically, our results reveal that the only relevant property of the join of two standard relations is that it is a witness to the consistency of the two relations, provided that these two relations are consistent. For the more abstract setting of annotated relations, this property of the standard join is captured by the notion of a consistency witness function, a notion which we systematically utilize in this work.

연구 동기 및 목표

• 긍정적 일阶논리에서의 반환반경 의미론을 전체 일阶논리로 확장하여 부정을 처리하는 것.
• 주어진 반환이 가정을 만족하는 모델을 식별하는 역방향 반환이 분석을 위한 형식적 프레임워크를 개발하는 것.
• 반환반경 값들을 신뢰도 점수로 해석하여 기반에 기반한 모델 선택을 가능하게 하는 것.
• 다양한 복잡한 논리적 환경, 예를 들어 짝수성 및 도달 가능성 게임에서의 반환이 분석을 위한 수학적 기반을 제공하는 것.
• 기존의 데이터베이스 반환이 분석 기법을 부정 정보와 모델 정밀화를 포함하도록 일반화하는 것.

제안 방법

• 모델 체크에서 긍정 및 부정 문장을 표현하기 위해 이중 미지수를 가진 다항식의 가환 반환반경을 사용한다.
• 모델에 호환되는 해석을 적용하여 반환이 다항식이 실제 모델과 어떻게 관련되어 있는지 추적한다.
• 반환반경 값들을 신뢰도 점수로 해석하기 위해 Viterbi 반환반경 (R+∞, min, +, ∞, 0)을 활용한다.
• 반환다항식에 포함된 단항식이 유효한 모델에 해당하는지 식별하여 역방향 분석을 수행한다.
• 정수 값을 가진 반환이 다항식을 [0,1] 범위의 신뢰도 점수로 매핑하기 위해 반환반경 준동형을 활용한다.
• 사실이 삽입되거나 삭제될 때 중간 모델에 호환되는 해석을 통해 반환이 다항식을 업데이트한다.

실험 결과

연구 질문

• RQ1 어떻게 반환이 다항식을 이용해 전체 일阶논리에서의 부정을 다룰 수 있는가?
• RQ2 이중 미지수는 모델 체크에서 역방향 반환이 분석을 가능하게 하는 데 어떤 역할을 하는가?
• RQ3 반환반경 의미론에서 유도된 신뢰도 점수를 사용하여 신뢰도나 신뢰성을 최대화하는 모델을 식별할 수 있는가?
• RQ4 모델에 사실이 삽입되거나 삭제될 때 반환이 다항식을 효율적으로 업데이트할 수 있는가?
• RQ5 반환반경 의미론 하에서 증명 트리 수와 모델의 타당성 사이의 관계는 무엇인가?

주요 결과

• 이중 미지수의 사용은 일阶논리 모델 체크 반환이 분석에서 부정을 일관적이고 대수적으로 타당하게 처리할 수 있도록 한다.
• 반환다항식 π[[ϕ]]의 각 단항식은 A |= ϕ 를 만족하는 모델 A에 대응하므로, 역방향 반환이 분석이 가능해진다.
• Viterbi 반환반경에서는 가장 높은 신뢰도 점수를 가진 단항식이 반환이 가정하에 신뢰도를 최대화하는 모델을 식별한다.
• 문장 ¬ϕ (주로 정점이 없는 경우) 에 대해, 1/27의 신뢰도를 가진 모델은 단항식 pr¯t에 대응하며, 주어진 가정 하에서 최적의 모델이다.
• 직접 대입을 통해 잘못된 0 결과를 피하기 위해, 먼저 반환이 모델에 호환되는 해석 π로 올리고, 그 후에 π를 업데이트된 모델로 제한함으로써 모델 업데이트가 정확히 계산된다.
• 이 프레임워크는 증명 트리 수 계산과 신뢰도 최적화를 모두 지원하며, 반환이 다항식 의미론이 여러 반환이 분석 작업을 통합할 수 있음을 보여준다.