[논문 리뷰] Reasoning for ALCQ extended with a flexible meta-modelling hierarchy

Regina Motz, Edelweis Rohrer외 1명|arXiv (Cornell University)|2014. 10. 29.

Semantic Web and Ontologies참고 문헌 8인용 수 5

한 줄 요약

이 논문은 설명 논리 ALCQ의 확장인 ALCQM을 소개한다. ALCQM은 개체를 개념(메타개념)과 동일시함으로써 탄력적인 메타모델링을 가능하게 하며, 이는 순환적인 메타-메타개념을 허용한다. 새로운 규칙과 순환 검출 기능을 갖춘 표본 알고리즘을 제안하여 잘 정의된 의미론을 보장하며, 표준 ALCQ 해석과의 이somorphism을 통해 정당성과 결정 가능성을 증명한다. 유한 모델 성질 또한 확립한다.

ABSTRACT

This works is motivated by a real-world case study where it is necessary to integrate and relate existing ontologies through meta- modelling. For this, we introduce the Description Logic ALCQM which is obtained from ALCQ by adding statements that equate individuals to concepts in a knowledge base. In this new extension, a concept can be an individual of another concept (called meta-concept) which themselves can be individuals of yet another concept (called meta meta-concept) and so on. We define a tableau algorithm for checking consistency of an ontology in ALCQM and prove its correctness.

연구 동기 및 목표

• 다양한 추상 수준 간의 개체와 개념 간의 의미적 동일성을 허용함으로써 이질적 온톨로지 통합의 필요성을 해결하기 위해.
• OWL DL과 OWL Full의 제한을 극복하면서 결정 가능성을 유지하기 위해.
• 개념이 다른 개념의 개체가 될 수 있도록 허용하는 형식적 프레임워크를 제공하기 위해.
• 순환성을 탐지하면서 일관성을 검사하는 표본 기반 추론 알고리즘을 설계하기 위해.
• 표준 ALCQ 해석과의 이somorphism을 통해 확장된 논리의 정당성과 결정 가능성을 증명하기 위해.

제안 방법

• 개체를 개념과 동일시하는 형태의 메타모델링 공리 $a =_{\sf m} A$ 를 ALCQ에 추가한다.
• 비잘정의된 모델을 방지하기 위해 잘 정의된 집합 기반의 새로운 해석 도메인을 도입한다.
• 메타모델링 동일성과 부등식을 처리하기 위한 새로운 전개 규칙을 표준 ALCQ 표본 알고리즘에 통합한다.
• 개념이나 개체가 자신을 포함하는 모델을 방지하기 위해 순환 검출 조건을 추가한다.
• 표준 ALCQ 해석에서 ALCQM 해석으로의 사상 $\sf{set}$ 을 정의하여 이somorphism을 확립한다.
• 표본 알고리즘이 모순이나 순환 없이 종료되면, ALCQ 표준 모델과의 이somorphism을 통해 모델 존재성을 보여줌으로써 정당성을 증명한다.

실험 결과

연구 질문

• RQ1 ALCQ의 결정 가능 확장이 개체를 개념과 동일시함으로써 임의의 수준의 메타모델링을 탄력적으로 지원할 수 있는가?
• RQ2 잘 정의된 의미론과 순환 방지를 보장하면서 이러한 논리에서 일관성이 어떻게 확인될 수 있는가?
• RQ3 ALCQ의 표본 알고리즘은 결정 가능성 손실 없이 메타모델링 공리에 대해 추론할 수 있도록 확장될 수 있는가?
• RQ4 표준 ALCQ 모델과 ALCQM 모델 간에 만족 가능성 보존을 보장하는 형식적 이somorphism이 존재하는가?
• RQ5 제안된 확장의 이론적 보장(예: 유한 모델 성질, 결정 가능성)은 무엇인가?

주요 결과

• 제안된 ALCQM 논리는 개체가 개념과 의미적으로 동일시될 수 있도록 하여 탄력적이고 다중 수준의 메타모델링을 지원한다.
• 표본 알고리즘은 메타모델링 계층에서의 모순과 순환을 모두 탐지함으로써 일관성을 정확히 검사한다.
• 표준 ALCQ와 ALCQM의 해석 간 이somorphism을 통해 알고리즘의 정당성이 증명되며, ALCQ의 기존 결과를 재사용한다.
• 표본 알고리즘의 종료성과 이somorphism을 통해 논리가 유한 모델 성질을 만족한다.
• ALCQM에서 일관성 검사의 복잡도는 Exp-time 완비로 예상되며, ALCQ와 동일하다.
• 이 방법은 OWL Full의 결정 불가능성과 OWL 2 DL의 다형성에서 발생하는 미검출 일관성 오류를 피한다.