[논문 리뷰] Reasoning with Individuals for the Description Logic SHIQ

Ian Horrock, Ulrike Sattler외 1명|ArXiv.org|2000. 05. 11.

Semantic Web and Ontologies참고 문헌 16인용 수 166

한 줄 요약

이 논문은 표현력 있는 서술 논리 $Δ\mathcal{SHIQ}$에서 Tbox와 Abox 추론을 위한 표본 기반 결정 절차를 제안한다. 이는 기존의 Tbox 추론 알고리즘을 확장하여 개별 개체와 공용 참조 진술을 처리할 수 있도록 한다. 이 방법은 숲 모델 성질을 활용하고 Abox 추론을 FaCT 시스템에 통합하여 스키마에 대한 결합 쿼리 포함성의 효율적 결정을 가능하게 한다.

ABSTRACT

While there has been a great deal of work on the development of reasoning algorithms for expressive description logics, in most cases only Tbox reasoning is considered. In this paper we present an algorithm for combined Tbox and Abox reasoning in the SHIQ description logic. This algorithm is of particular interest as it can be used to decide the problem of (database) conjunctive query containment w.r.t. a schema. Moreover, the realisation of an efficient implementation should be relatively straightforward as it can be based on an existing highly optimised implementation of the Tbox algorithm in the FaCT system.

연구 동기 및 목표

• 실제 응용 분야(예: 쿼리 포함성 및 데이터 통합)에서 중요한 바람직한 Abox 추론에 대한 지원 부족 문제를 해결하기 위해.
• 비어 있지 않은 Aboxes(명시적 개별 개체 이름과 부등식 진술 포함)를 처리할 수 있도록 기존의 $Δ\mathcal{SHIQ}$ Tbox 일관성 알고리즘을 확장하기 위해.
• 쿼리 변수와 상수를 Abox 개체로 모델링하고 공용 참조를 강제 적용하여 스키마에 대한 결합 쿼리 포함성 추론을 위한 실용적 추론을 가능하게 하기 위해.
• 전체 명시적 개체(노미널)를 피하고 숲 모델 성질을 유지함으로써 결정 가능성을 유지하고 효율적인 구현을 지원하기 위해.
• FaCT 시스템과 같은 기존 최적화된 Tbox 추론 시스템과의 통합을 촉진하기 위해 핵심 알고리즘 인프라를 재사용하기 위해.

제안 방법

• 표본 기반의 $Δ\mathcal{SHIQ}$ Tbox 일관성 알고리즘을 확장하여 Abox를 처리하기 위해, 개체와 그 관계를 모델링하는 완료 숲 데이터 구조를 도입한다.
• 각 개별 개체 이름이 루트 노드에 대응하고, 공용 참조는 노드 간의 등가성 진술을 통해 관리되는 숲 모델 성질을 사용한다.
• 존재적 양자화($\exists R.C$)와 수 제약($\geq n R.C$)을 포함한 개념 및 역할 제약를 노드에서 전파하는 확장 규칙을 도입한다.
• 노드에서의 개념 소속을 추적하기 위한 레이블링 메커니즘($\mathcal{L}$)을 사용하고, 규칙 적용 중 충돌 탐지를 통해 일관성을 보장한다.
• 역할 계층과 역할의 역관계를 숲 구조를 통해 제약를 전파하면서도 트리 구조 모델 성질을 유지한다.
• 개체 간의 명시적 부등식 공리(axiom)를 허용함으로써 고유 이름 가정을 피하고, 결정 가능성을 유지하면서도 표현력을 증가시킨다.

실험 결과

연구 질문

• RQ1 개별 개체에 대해 고유 이름을 가정하지 않고도, $Δ\mathcal{SHIQ}$에서 Tbox와 Abox의 병합 추론을 위한 표본 기반 결정 절차를 설계할 수 있는가?
• RQ2 쿼리 변수와 상수를 Abox의 개체로 모델링함으로써, 쿼리 변수를 Abox에 포함시켜 결합 쿼리 포함성 추론을 효율적으로 지원할 수 있는가?
• RQ3 명시적 진술을 통해 개체 간의 공용 참조를 允허하면서도 결정 가능성과 숲 모델 성질을 유지할 수 있는가?
• RQ4 FaCT와 같은 기존 Tbox 추론 시스템을 최소한의 수정으로 Abox 추론을 지원하도록 확장할 수 있는가?
• RQ5 특히 쿼리 포함성 맥락에서 Aboxes가 크면 Abox 추론의 복잡도를 어떻게 관리할 수 있는가?

주요 결과

• 제안된 완료 알고리즘은 Tbox와 Abox 구성 요소를 모두 포함한 $Δ\mathcal{SHIQ}$ 지식 기반 일관성에 대해 타당하고 완전한 결정 절차이다.
• 부등식 공리를 통한 개체 간 명시적 공용 참조를 지원함으로써, 고유 이름을 가정하지 않고도 쿼리 변수의 탄력적인 모델링이 가능하다.
• 이 방법은 숲 모델 성질을 유지함으로써 결정 가능성을 보장하고, 기존의 Tbox 추론 시스템 기반의 효율적 구현을 가능하게 한다.
• 쿼리를 Abox 개체로 인코딩하고 완료 과정에서 공용 참조를 강제 적용함으로써, 스키마에 대한 결합 쿼리 포함성 결정에 사용할 수 있다.
• FaCT 시스템의 고도로 최적화된 Tbox 추론 엔진을 재사용하므로 효율적 구현이 가능하다는 것이 실증적으로 입증되었다.
• Aboxes가 쿼리에 포함된 변수 수에 의해 제한되므로 일반적으로 작고, 확장성 문제를 피할 수 있기 때문에 실용적 타당성이 뒷받침된다.