[논문 리뷰] Extending Consequence-Based Reasoning to SRIQ

Andrew Bate, Boris Motik외 3명|arXiv (Cornell University)|2016. 02. 14.

Semantic Web and Ontologies참고 문헌 30인용 수 14

한 줄 요약

이 논문은 표현력 있는 서술 논리 𝒮RIQ를 위한 새로운 결과 기반 미분법을 제안한다. 이는 이전의 결과 기반 추론을 이리디션과 카운팅 큐레티피어를 모두 처리할 수 있도록 확장한 것으로, 이전에는 지원되지 않았다. 결과를 일阶논리 문장으로 인코딩하고, 등가성 추론을 위해 순서화된 파라모듈레이션의 변형을 사용함으로써, 최악의 경우 최적성과 예비 평가에서 뛰어난 성능을 달성한다. 이는 FaCT++와 Pellet과 같은 주요 리asoner보다 뛰어난 성능을 보였다.

ABSTRACT

Consequence-based calculi are a family of reasoning algorithms for description logics (DLs), and they combine hypertableau and resolution in a way that often achieves excellent performance in practice. Up to now, however, they were proposed for either Horn DLs (which do not support disjunction), or for DLs without counting quantifiers. In this paper we present a novel consequence-based calculus for SRIQ---a rich DL that supports both features. This extension is non-trivial since the intermediate consequences that need to be derived during reasoning cannot be captured using DLs themselves. The results of our preliminary performance evaluation suggest the feasibility of our approach in practice.

연구 동기 및 목표

• 이리디션과 카운팅 큐레티피어를 모두 지원하는 𝒮RIQ에 대해 결과 기반 추론을 확장함으로써, 이전의 계산법이 처리하지 못했던 기능을 구현한다.
• 이리디션과 등가성 추론이 복잡해지면서 서술 논리 자체에서 포괄할 수 없는 중간 결과를 표현하는 데 도전한다.
• 최악의 경우 최적성을 유지하면서도 실용적 온톨로지, 특히 '주로-ELH' 온톨로지에서 높은 성능을 달성한다.
• 일阶논리 정리 증명에서 유래한 고급 등가성 추론 기법을 결과 기반 서술 논리 추론에 통합한다.

제안 방법

• 特定한 형태의 일阶논리 문장으로 𝒮RIQ 공리와 결과를 인코딩하여, 표준 정리 증명 기법과의 통합을 가능하게 한다.
• 등가성 추론을 처리하기 위해 순서화된 파라모듈레이션의 변형을 사용한다. 이는 카운팅 큐레티피어와 역할 체인을 관리하는 데 핵심적이다.
• ELH 온톨로지에서 기존 결과 기반 계산법을 모방하는 추론 규칙을 설계하여, 후행 호환성과 견고한 성능을 확보한다.
• 목표 지향적 추론을 이끄는 맥락 민감형 추론 규칙(예: Hyper, Succ, Pred)을 도입하여 불필요한 유도를 방지한다.
• 완전성과 효율성의 균형을 이루기 위해 관계 확장에 경계 있는 전략과 급진적인 전략을 적용한다.
• 이전 연구에서 유도된 역할 체인 인코딩을 활용하여, 𝒮RIQ에서의 전이적 역할과 복잡한 역할 공리도 지원한다.

실험 결과

연구 질문

• RQ1 결과 기반 추론이 하나의 일관된 계산법으로 이리디션과 카운팅 큐레티피어를 모두 처리할 수 있는가?
• RQ2 표준 서술 논리의 표현력 이외의 중간 결과(등가성과 이리디션을 포함)를 어떻게 표현하고 추론할 수 있는가?
• RQ3 실용적 온톨로지에서 경쟁적인 성능을 달성하면서도 최악의 경우 최적성을 유지할 수 있는가?
• RQ4 실제 및 합성 벤치마크에서 새로운 계산법이 최신 타블로 기반 리asoner와 비교해 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 계산법은 𝒮RIQ에 대해 반증 완전성과 최악의 경우 최적성을 확보하며, 결과 기반 추론의 이론적 이점을 더 표현력 있는 논리로 확장한다.
• 이 계산법은 이리디션과 카운팅 큐레티피어를 성공적으로 처리하여, 이전 결과 기반 접근법의 핵심적 한계를 극복한다.
• 예비 성능 평가 결과, 프로토타입 시스템이 여러 벤치마크에서 FaCT++와 Pellet을 뛰어나는 성능을 보였다.
• 일반적으로 Konclude와 같은 고성능 리asoner와 비슷한 성능을 달성하여, 실용적 타당성이 높다는 것을 시사한다.
• 순서화된 파라모듈레이션의 통합은 등가성 추론을 효과적으로 가능하게 하며, 이는 카운팅 큐레티피어와 역할 체인에 필수적이다.
• ELH 추론과의 호환성을 유지함으로써, 주로 ELH에 포함되는 온톨로지에서 견고한 성능을 확보한다.