[논문 리뷰] Resolution and Datalog Rewriting Under Value Invention and Equality Constraints

Bruno Marnette|arXiv (Cornell University)|2012. 12. 02.

Semantic Web and Ontologies참고 문헌 25인용 수 6

한 줄 요약

이 논문은 값 생성과 등가 제약 조건 하에서 Datalog ±에 대한 완전한 쿼리 답변을 달성하는 해상도 기반 알고리즘을 소개한다. 이는 기존의 처리 가능 클래스인 스틱키 tgds, 종료성 tgds, 가드된 tgds를 일반화한다. 모든 이러한 클래스가 유한한 Datalog 재기록을 갖는다는 것을 보여주며, 이를 통해 단일 프레임워크로 통합하고 표준 Datalog 기법을 통한 최적화를 가능하게 한다.

ABSTRACT

This paper present several refinements of the Datalog +/- framework based on resolution and Datalog-rewriting. We first present a resolution algorithm which is complete for arbitrary sets of tgds and egds. We then show that a technique of saturation can be used to achieve completeness with respect to First-Order (FO) query rewriting. We then investigate the class of guarded tgds (with a loose definition of guardedness), and show that every set of tgds in this class can be rewritten into an equivalent set of standard Datalog rules. On the negative side, this implies that Datalog +/- has (only) the same expressive power as standard Datalog in terms of query answering. On the positive side however, this mean that known results and existing optimization techniques (such as Magic-Set) may be applied in the context of Datalog +/- despite its richer syntax.

연구 동기 및 목표

• Datalog ±에서 채즈 절차의 한계를 극복하기 위해, 더 일반적인 해상도 기반 접근법을 도입하기 위해.
• 특정 하위클래스에 국한되지 않고, 임의의 tgds 및 egds 집합에 대해 해상도의 완전성을 확립하기 위해.
• 스티키, 종료성, 가드된 tgds와 같은 기존의 처리 가능한 클래스를 일반화하기 위해, 이들이 유한한 Datalog 재기록을 갖는다는 것을 보여주기 위해.
• 스티키성, 종료성, 가드성의 세 가지 주요 Datalog ± 처리 가능성 프레임워크를 Datalog 재기록 프레임워크 아래 통합하기 위해.
• Datalog ± 규칙을 표준 Datalog 규칙으로 재기록함으로써, 표준 Datalog 엔진을 통한 실용적 최적화를 가능하게 하기 위해.

제안 방법

• 서브클래스 특화 방법을 초월하여, 임의의 tgds 및 egds 집합에 대해 완전한 해상도 절차를 도입한다.
• 일阶 쿼리 재기록에 대해 완전성을 확보하기 위해 포화 기법을 적용한다.
• 왼쪽 코어 투영과 가드성에 의해 평탄화된 채즈 성질을 정의하여 유한한 파생를 보장한다.
• 가드된 tgd 집합의 평탄화로부터 k-tgds의 유한 집합을 구성하여, 고정된 깊이까지의 완전성을 보장한다.
• Datalog 재기록 개념을 사용하여 Datalog ± 규칙을 등가인 표준 Datalog 규칙으로 변환한다.
• 마지재셋 최적화와 같은 기법을 활용하여 성능 향상을 위해 Datalog 재기록을 활용한다.

실험 결과

연구 질문

• RQ1 해상도 기반 알고리즘이 임의의 tgds 및 egds 하에서 Datalog ±의 쿼리 답변에 대해 완전성을 달성할 수 있는가?
• RQ2 Datalog 재기록 프레임워크가 Datalog ±의 세 주요 처리 가능한 클래스인 스틱키, 종료성, 가드된 tgds를 통합할 수 있는가?
• RQ3 클래스 (S), (T), 또는 (G)에 속하는 임의의 규칙 집합을 등가인 표준 Datalog 프로그램으로 재기록할 수 있는가?
• RQ4 해상도 기반 접근법은 쿼리 답변에서 채즈 절차에 비해 효율성이 높은가?
• RQ5 Datalog 재기록을 통해 Datalog ±에서 마법의 세트 최적화와 같은 최적화 기법을 사용할 수 있는가?

주요 결과

• 해상도 기반 알고리즘이 임의의 tgds 및 egds 집합에 대해 완전한 쿼리 답변을 달성하며, 하위클래스 특화 방법을 초월한다.
• 포화 기법을 통해 완전한 일阶 쿼리 재기록이 가능해지며, 이는 기존의 처리 가능성 기준을 일반화한다.
• 클래스 (S), (T), (G)의 모든 규칙은 등가인 표준 Datalog 프로그램으로 재기록 가능하며, 이는 단일 프레임워크로 통합한다.
• 평탄화된 채즈 성질은 왼쪽 코어 투영과 유한 깊이의 파생에 대해 유지되며, 가드된 tgds에 대해 완전성을 보장한다.
• 유한한 Datalog 재기록의 존재는 Datalog ±가 쿼리 답변에서 Datalog의 표현력을 초월하지는 않지만, 표준 Datalog 엔진을 통한 최적화를 가능하게 한다.
• Datalog 재기록은 기존 최적화 기법(예: 마법의 세트)을 활용한 실용적 성능 향상의 길을 열어준다.