[논문 리뷰] NdFluents: A Multi-dimensional Contexts Ontology

José M. Giménez‐García, Antoine Zimmermann외 1명|arXiv (Cornell University)|2016. 09. 22.

Semantic Web and Ontologies참고 문헌 7인용 수 3

한 줄 요약

NdFluents는 RDF/OWL에서 다차원적 맥락 메타데이터를 모델링하기 위한 일반적이고 확장 가능한 온톨로지이다. Welty와 Fikes의 4dFluents 시간적 플루언트 모델을 확장하여 출처, 신뢰도, 신뢰성 등 임의의 맥락 차원을 지원한다. 맥락을 구조화되고 재현된 실체로 표현함으로써 맥락화된 문장에 대한 완전한 OWL 추론을 가능하게 하며, 특정 맥락 슬라이스 내에서 실체에 대한 진술을 허용한다.

ABSTRACT

Annotating semantic data with metadata is becoming more and more important to provide information about the statements being asserted. While initial solutions proposed a data model to represent a specific dimension of meta-information (such as time or provenance), the need for a general annotation framework which allows representing different context dimensions is needed. In this paper, we extend the 4dFluents ontology by Welty and Fikes---on associating temporal validity to statements---to any dimension of context, and discuss possible issues that multidimensional context representations have to face and how we address them.

연구 동기 및 목표

• 다양한 맥락 차원(예: 시간, 출처, 신뢰도)을 의미 데이터에 표현하기 위한 일반적 프레임워크의 부재를 해결한다.
• 원래 시간적 플루언트를 위해 설계된 4dFluents 온톨로지를 임의의 맥락 차원을 지원하도록 확장한다.
• 맥락을 일급 실체로 모델링하여 맥락화된 문장에 대한 완전한 OWL 추론을 가능하게 한다.
• 다양한 맥락 차원을 하나의 지식 표현에서 결합할 수 있도록 모듈러하고 확장 가능한 온톨로지를 제공한다.
• 맥락화된 메타데이터를 문장 뿐만 아니라 실체 자체에도 부착하여 맥락 인식 기반의 데이터 검색 및 추론을 가능하게 한다.

제안 방법

• 실체를 시간적 부분으로 간주하는 퍼드란티즘(4D) 접근 방식을 채택하고, 맥락 특화 '맥락 부분'을 도입하여 이를 임의의 맥락 차원으로 일반화한다.
• 각 맥락 차원(예: 시간, 출처, 신뢰도)을 원래 실체에 연결된 별도의 맥락 부분 유형으로 모델링하는 일반적인 온톨로지 구조를 정의한다.
• 모듈성과 확장성을 확보하기 위해 OWL 2 기능 문법을 사용하여 클래스(예: ContextPart, TemporalPart), 객체 속성(예: fluentProperty, contextOf), 그리고 공리문을 정의한다.
• 재현 유사 구조를 통해 맥락 메타데이터를 표현하며, 원래 실체가 아닌 맥락 부분에 대해 진술을 내세움으로써 FOL 구조를 유지한다.
• 기능적 속성(예: contextOf)을 통해 맥락 부분을 원래 실체에 연결하는 메커니즘을 도입하여 특정 맥락 내의 모든 사실을 검색할 수 있도록 한다.
• 실제 응용 사례를 WDAqua 프로젝트에 적용하여 웹 기반 지식 그래프의 최고 관행에 따라 온톨로지와 예제 데이터를 배포한다.

실험 결과

연구 질문

• RQ1 어떻게 단일 온톨로지 모델이 시간, 출처, 신뢰도 등 임의의 맥락 차원을 통합적이고 확장 가능한 방식으로 지원할 수 있는가?
• RQ2 다양한 맥락 차원을 의미 지식 그래프에 통합하면서 추론 능력을 유지하는 데 있어 핵심 과제는 무엇인가?
• RQ3 일반화된 플루언트 기반 모델이 맥락화된 문장에 대해 완전한 OWL 추론(이행성, 대칭성, 역성 등)을 지원할 수 있는가?
• RQ4 맥락화된 메타데이터는 문장 뿐만 아니라 실체 자체에 부착할 수 있으며, 이는 맥락 인식 기반의 데이터 검색을 가능하게 하는가?
• RQ5 다차원 플루언트 모델을 사용할 경우, 다항 관계나 재현 기반 기법과 비교해 표현력, 추론 지원, 데이터 크기 측면에서의 상충 관계는 무엇인가?

주요 결과

• NdFluents는 시간 외의 임의의 맥락 차원(예: 출처, 신뢰도, 신뢰성)을 지원하는 4dFluents의 첫 번째 알려진 일반적 확장으로, 출처, 신뢰도, 신뢰성 등에 대한 모듈러한 확장을 가능하게 한다.
• 모델은 재현이나 싱글턴 속성 패턴과 달리 맥락화된 문장에 대해 완전한 OWL 추론을 지원하며, 이행성, 대칭성, 역성 속성까지 포함한다.
• 맥락화된 메타데이터는 문장 뿐만 아니라 실체 자체에도 부착될 수 있어 특정 실체-맥락 조합과 관련된 모든 사실을 검색할 수 있다.
• 이 접근 방식은 특정 맥락 내의 모든 정보를 효율적으로 쿼리할 수 있도록 하여, 예를 들어 위키백과를 출처로 하며 높은 신뢰도를 가진 파리에 관한 모든 사실을 검색하는 데 유리하며, 질문-응답 시스템에서의 데이터 출처와 신뢰성 향상에 기여한다.
• 모델은 추가 트리플로 인해 데이터 크기가 증가하지만, 복잡한 추론과 확장성을 지원하는 맥락 인식 기반 지식 표현을 위한 강력하고 형식적인 기반을 제공한다.