[논문 리뷰] Uncertainty in Ontologies: Dempster-Shafer Theory for Data Fusion Applications

Amandine Bellenger, Sylvain Gatepaille|arXiv (Cornell University)|2011. 06. 20.

Semantic Web and Ontologies참고 문헌 8인용 수 26

한 줄 요약

이 논문은 데이터 융합 응용 분야에서의 불확실성 모델링을 위해 델타-샤이어 이론 기반의 온톨로지 확장을 제안한다. 믿음 함수를 온톨로지 구조에 통합함으로써, 맞춤형 자바 애플리케이션을 통해 불확실한 인스턴스에 대한 추론을 가능하게 하여, 완전하지 않거나 충돌하는 센서 데이터를 다루는 데 있어 확률적 및 퍼지 접근 방식에 대한 민첩한 대안을 제공한다.

ABSTRACT

Nowadays ontologies present a growing interest in Data Fusion applications. As a matter of fact, the ontologies are seen as a semantic tool for describing and reasoning about sensor data, objects, relations and general domain theories. In addition, uncertainty is perhaps one of the most important characteristics of the data and information handled by Data Fusion. However, the fundamental nature of ontologies implies that ontologies describe only asserted and veracious facts of the world. Different probabilistic, fuzzy and evidential approaches already exist to fill this gap; this paper recaps the most popular tools. However none of the tools meets exactly our purposes. Therefore, we constructed a Dempster-Shafer ontology that can be imported into any specific domain ontology and that enables us to instantiate it in an uncertain manner. We also developed a Java application that enables reasoning about these uncertain ontological instances.

연구 동기 및 목표

• 기존 온톨로지가 센서 데이터 및 융합 시스템에서의 불확실성을 표현하는 데에 한계가 있음을 해결하기 위해.
• 불확실성 모델링을 온톨로지 구조 자체에 직접 통합하는 공식적 프레임워크를 개발하기 위해.
• 기존의 확률적, 퍼지 및 증거 기반 접근 방식이 데이터 융합 맥락에서 겪는 단점을 극복하는 솔루션을 제공하기 위해.
• 특히 충돌하거나 불완전한 데이터에 적합한 믿음 함수를 사용하여 불확실한 온톨로지 인스턴스에 대한 추론을 가능하게 하기 위해.
• 실제 도메인 특화 온톨로지에서의 활용을 위해 프로토타입 자바 애플리케이션을 구현하고 검증하기 위해.

제안 방법

• 불확실한 사실과 증거를 표현하기 위해 표준 온톨로지를 델타-샤이어 믿음 구조로 확장한다.
• 온톨로지 엔티티와 질량 함수 사이의 공식적 매핑을 정의하여 불확실성을 인스턴스에 부여할 수 있도록 한다.
• 추론 과정에서 다수의 소스로부터의 증거를 융합하기 위해 델타-샤이어 조합 규칙을 사용한다.
• 어떤 도메인 특화 온톨로지에도 임포트 가능한 모듈식 온톨로지 확장을 설계한다.
• 믿음 함수 이론을 사용하여 불확실한 온톨로지 인스턴스에 대한 추론을 지원하는 자바 기반 추론 엔진을 개발한다.
• 정확한 확률이 필요 없이 부분적 또는 충돌하는 증거를 표현하기 위해 믿음 함수 프레임워크를 활용한다.

실험 결과

연구 질문

• RQ1 센서 데이터 및 융합 과정에서의 불확실성은 온톨로지 모델 내에서 어떻게 공식적으로 표현될 수 있는가?
• RQ2 기존의 확률적 및 퍼지 접근 방식이 데이터 융합을 위한 불확실성 모델링에서 겪는 한계는 무엇인가?
• RQ3 델타-샤이어 이론이 온톨로지에 효과적으로 통합되어 실세계 응용에서 불확실한 추론을 지원할 수 있는가?
• RQ4 믿음 함수는 온톨로지 맥락에서 다수의 소스로부터의 증거를 어떻게 융합하는 데 사용될 수 있는가?
• RQ5 불확실한 온톨로지 인스턴스에 대한 추론을 위한 소프트웨어 프로토타입의 타당성과 효과성은 어떠한가?

주요 결과

• 제안된 델타-샤이어 온톨로지 확장은 믿음 함수를 온톨로지 인스턴스에 통합함으로써 데이터 융합에서의 불확실성을 성공적으로 모델링한다.
• 이 프레임워크는 정확한 확률이 필요 없이 불완전하거나 충돌하거나 모호한 증거를 표현할 수 있다.
• 믿음 함수를 온톨로지에 통합함으로써 기존의 확률적 또는 퍼지 방법보다 더 표현력 있고 민첩한 추론이 가능해진다.
• 불확실한 온톨로지 인스턴스에 대한 추론을 구현하기 위해 작동하는 자바 애플리케이션이 개발되어 접근 방식의 타당성이 검증되었다.
• 이 방법은 모듈식이며 재사용 가능하여, 어떤 도메인 특화 온톨로지에도 임포트되어 불확실성 인식 추론을 수행할 수 있다.
• 이 방법은 데이터가 일관되지 않거나 불완전한 경우에도 불확실성을 다루는 실용적인 솔루션을 제공한다.