[논문 리뷰] Extract ABox Modules for Efficient Ontology Querying

Jia Xu, Shironoshita, Patrick외 3명|arXiv (Cornell University)|2013. 05. 21.

Semantic Web and Ontologies참고 문헌 43인용 수 3

한 줄 요약

이 논문은 $/mathcal{SHIQ}$ 온톨로지에서 주어진 개별 개체 집합에 대해 모든 논리적 함의를 유지하는 ABox 모듈의 형식적 정의를 제안한다. 이를 통해 고립되거나 병렬 추론이 가능해지며, 이러한 모듈을 추출함으로써 추론 시간이 급격히 단축된다. 예를 들어, DBpedia와 같은 대규모 온톨로지에서 인스턴스 검사의 경우 밀리초 수준으로 줄어들고, 인스턴스 검색의 경우 수일에서 수시간이 걸리던 데 비해 두 시간 이내로 단축된다.

ABSTRACT

The extraction of logically-independent fragments out of an ontology ABox can be useful for solving the tractability problem of querying ontologies with large ABoxes. In this paper, we propose a formal definition of an ABox module, such that it guarantees complete preservation of facts about a given set of individuals, and thus can be reasoned independently w.r.t. the ontology TBox. With ABox modules of this type, isolated or distributed (parallel) ABox reasoning becomes feasible, and more efficient data retrieval from ontology ABoxes can be attained. To compute such an ABox module, we present a theoretical approach and also an approximation for $\mathcal{SHIQ}$ ontologies. Evaluation of the module approximation on different types of ontologies shows that, on average, extracted ABox modules are significantly smaller than the entire ABox, and the time for ontology reasoning based on ABox modules can be improved significantly.

연구 동기 및 목표

• 실제 응용 분야인 생물의학 연구 및 헬스케어와 같은 분야에서 대규모 ABox로 인한 온톨로지 쿼리링의 확장성 문제를 해결한다.
• 표현력이 뛰어난 DL들인 $\mathcal{SHIQ}$에서의 인스턴스 검증 및 결합 질의 답변의 높은 계산 복잡도(이론적으로 EXPTIME-완전)를 극복한다.
• 주어진 개별 개체 집합에 대해 모든 함의를 유지하는 논리적으로 독립적인 ABox 모듈을 추출함으로써 효율적이고 고립되거나 분산된 추론을 가능하게 한다.
• 이론적 타당성과 실제 온톨로지에서의 구현 가능성의 양면을 충족하는 ABox 모듈 추출을 위한 형식적이고 실용적인 접근법을 제공한다.

제안 방법

• 주어진 개별 개체 집합에 대해 모든 논리적 함의(명시적 및 암시적)의 폐쇄로 ABox 모듈을 정의함으로써 TBox에 대한 함의의 완전한 유지 보장을 보장한다.
• 주어진 서명에 대해 어떤 ABox 진술이 의미적으로 관련 있는지를 공식적으로 식별하기 위해 모듈 필수성(module-essentiality) 개념을 도입한다. 이를 통해 정밀한 모듈 구축이 가능해진다.
• 정확한 ABox 모듈 추출을 위한 이론적 알고리즘을 제안한다. 이는 의미 폐쇄 기반이지만 대규모 온톨로지에서는 계산적으로 비용이 많이 든다.
• 실용적 사용을 위한 다항 시간 내의 문법적 근사치를 개발한다: (1) 개념 및 역할 의존성의 사용을 통한 관련 진술 식별; (2) 이웃 기수 체크를 통한 개체 동치성의 문법적 근사.
• 완전한 ABox보다 작지만 여전히 추론 완전성을 유지하는 ABox 모듈을 추출하기 위해 이 근사치 방법을 적용한다.
• 각 ABox 모듈을 별도로 처리할 수 있도록 하여 병렬 또는 분산 추론을 지원하며, 특히 인스턴스 검색 및 결합 질의에 매우 유리하다.

실험 결과

연구 질문

• RQ1 어떻게 $/mathcal{SHIQ}$ 온톨로지에서 주어진 개별 개체 집합에 대해 모든 논리적 함의를 완전히 유지하는 ABox 모듈을 형식적으로 정의할 수 있는가?
• RQ2 ABox 모듈 추출은 대규모 온톨로지에서 인스턴스 검증 및 결합 질의 답변의 효율성에 어떤 영향을 미치는가?
• RQ3 완전성과 계산 가능성의 균형을 고려해 실용적이고 확장 가능한 근사치 방법을 ABox 모듈 추출을 위해 설계할 수 있는가?
• RQ4 ABox 모듈에 대한 고립되거나 분산된 추론은 전체 ABox 추론 대비 성능 향상에 얼마나 기여하는가?
• RQ5 다양한 온톨로지 유형에서 추출된 ABox 모듈의 크기와 그 추론 시간은 원본 ABox의 것과 비교해 어떠한가?

주요 결과

• 평균적으로 추출된 ABox 모듈은 전체 ABox보다 훨씬 작아지며, 이는 추론 작업에서 상당한 성능 향상을 이끌어낸다.
• LUBM(s)와 DBpedia∗(s)에서 모듈화된 추론을 사용함으로써 인스턴스 검사 시간이 몇 초에서 수 밀리초 수준으로 단축되어 매우 높은 효율성을 보였다.
• LUBM(s)에서의 인스턴스 검색 시간은 몇 시간에서 수초로 감소했고, DBpedia∗(s)에서는 며칠에서 두 시간 이내로 단축되어 확장성 향상의 효과를 입증했다.
• 생물의학 온톨로지에서는 인스턴스 검색 시간이 130시간 이상에서 6시간 이내로 감소하여 복잡한 도메인에서도 강력한 적용 가능성을 보였다.
• ABox 모듈 추출의 오버헤드는 매우 미미했으며, 평균적으로 한 개체당 약 1밀리초 수준이었고, 이는 모듈화된 추론이 실용적으로 가능하다는 것을 의미한다.
• 제안된 문법적 근사치 방법은 항상 최적은 아니지만, 실세계 구현에서 완전성과 성능 사이의 실용적이고 효율적인 타협을 제공한다.