[논문 리뷰] Ontology Focusing: Knowledge-enriched Databases on Demand

Tomasz Gogacz, Víctor Gutiérrez-Basulto외 4명|arXiv (Cornell University)|2019. 03. 30.

Semantic Web and Ontologies참고 문헌 39인용 수 5

한 줄 요약

이 논문은 기존 온톨로지에서 반자동으로 데이터베이스 스키마를 유도함으로써 요구에 따라 지식이 풍부한 데이터베이스를 생성할 수 있도록 하는 '포커싱(focusing)'이라는 프레임워크를 소개한다. 이는 관련 온톨로지 부분의 선택 및 쿼리 사양을 통한 완전성 가정의 형식화를 통해 핵심 추론 작업에 대한 결정 가능성과 복잡도 결과를 증명한다. 이는 선택된 기술적 설명 논리에서의 결과이다.

ABSTRACT

We propose a novel framework to facilitate the on-demand design of data-centric systems by exploiting domain knowledge from an existing ontology. Its key ingredient is a process that we call focusing, which allows to obtain a schema for a (possibly knowledge-enriched) database semi-automatically, given an ontology and a specification of the scope of the desired system. We formalize the inputs and outputs of focusing, and identify relevant computational problems: finding a schema via focusing, testing its consistency, and answering queries in the knowledge-enriched databases it produces. These definitions are fully independent of the ontology language. We then instantiate the framework using selected description logics as ontology languages, and popular classes of queries for specifying the scope of the system. For several representative combinations, we study the decidability and complexity of the identified computational problems. As a by-product, we isolate (and solve) variants of classical decision problems in description logics, that are interesting in their own right.

연구 동기 및 목표

• 기존 도메인 온톨로지를 재사용하여 수동 작업을 최소화하면서 데이터 중심 시스템을 신속하게 설계하는 데 도전하는 것.
• 광범위하고 개방세계 기반의 온톨로지의 한계를 극복하기 위해 범위 특정의 정제 및 완전성 가정을 가능하게 하는 것.
• 특정 응용 요구에 맞게 지식이 풍부한 데이터베이스를 생성하는 '포커싱'이라는 스키마 생성 과정을 정형화하는 것.
• 핵심 계산 문제인 스키마 생성, 일관성 검사, 그리고 포커싱된 데이터베이스에서의 쿼리 응답을 식별하고 분석하는 것.
• 온톨로지 언어에 종속되지 않는 공식적 기반을 제공하여 다양한 기술적 설명 논리와 쿼리 클래스에 적용 가능하게 하는 것.

제안 방법

• 포커싱은 온톨로지와 범위 사양(쿼리 기반)을 입력으로 받아 지식이 풍부한 데이터베이스를 위한 스키마를 생성하는 과정으로 정의된다.
• 프레임워크는 온톨로지의 어느 부분이 관련이 있는지, 그리고 어떤 부분이 완전하거나 고정된 것으로 간주되는지를 지정하는 '포커싱 솔루션'을 정의한다.
• 세 가지 핵심 계산 문제를 도입한다: 포커싱 솔루션의 탐색, 일관성 검사, 그리고 결과적으로 생성된 지식이 풍부한 데이터베이스에서의 쿼리 응답.
• 선택된 기술적 설명 논리(예: ELI, ELI⊥)와 쿼리 클래스(예: 합성 쿼리, 부울 쿼리)를 사용하여 방법을 구체화한다.
• 기술적 설명 논리에서 기존의 추론 작업(예: 쿼리의 공집합 여부 검사, 유한 모델 추론)을 활용하며, 고전적 결론 문제의 변형을 도입한다.
• 예외적으로 결정 불가능한 환경에서 결정 가능성을 확보하기 위해, 기존의 개방세계와 폐쇄세계 의미론을 모두 지원하며, 특정 술어를 폐쇄 또는 고정로 표시할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 온톨로지에서 관련 도메인 지식에만 집중하는 반자동 프로세스를 정의할 수 있는가?
• RQ2 포커싱된 데이터베이스에서의 스키마 생성, 일관성 검사, 쿼리 응답의 계산 복잡도 및 결정 가능성 특성은 무엇인가?
• RQ3 완전성과 고정성 가정을 온톨로지 기반 데이터베이스 설계에 어떻게 정형화하여 추론 작업의 결정 가능성을 보장할 수 있는가?
• RQ4 포커싱 프레임워크에서 자연스럽게 발생하는 고전적 추론 문제의 변형이 존재하는가? 그리고 이러한 문제들은 해결 가능한가?
• RQ5 특정 기술적 설명 논리와 쿼리 유형으로 프레임워크를 구체화할 경우, 결정 가능하고 처리 가능한 추론을 도출할 수 있는가?

주요 결과

• ELI⊥ 온톨로지가 존재하는 상황에서 합성 쿼리의 null 가능성 문제는 단순 부울 쿼리일지라도 결정 불가능하다.
• 프레임워크는 지식이 풍부한 데이터베이스와 관련된 새로운 고전적 추론 문제의 변형을 분리하고 해결한다. 예를 들어, 스키마 수준의 양성 쿼리 함의 및 유한 모델 추론 등이다.
• 일부 기술적 설명 논리(예: ELI, ELI⊥)와 쿼리 클래스의 조합에서는 핵심 계산 문제인 스키마 생성, 일관성 검사, 쿼리 응답이 결정 가능하며, 잘 정의된 복잡도 경계를 가진다.
• 완전성과 고정성 가정의 사용은 否정을 포함한 쿼리의 결정 가능성을 보장하며, 이는 기존의 온톨로지 기반 시스템에서는 결정 불가능한 경우에 해당한다.
• 특정 술어를 고정함으로써 더 제약이 강한 결정 가능한 온톨로지를 생성할 수 있으며, 이는 호른 유사 프ragments 수준의 복잡도로 감소시킬 수 있다.
• 결과적으로 포커싱은 복잡하고 개방세계 기반의 온톨로지를 실용적이고 응용 중심이며 결정 가능한 데이터 중심 시스템으로 전환할 수 있음을 보여준다.