[论文解读] A Survey on how Description Logic Ontologies Benefit from Formal Concept Analysis

Barış Sertkaya|arXiv (Cornell University)|Jul 14, 2011

Rough Sets and Fuzzy Logic参考文献 50被引用 10

一句话总结

本综述探讨了描述逻辑（DLs）与形式概念分析（FCA）之间的协同效应，展示了FCA技术如何通过支持增量式、专家引导的本体精炼，增强DL知识库的补全能力。主要贡献是一种利用基于FCA的查询回答来补全不完整DL本体的方法，配套原型工具（OntoComP）支持在Protégé中进行交互式、可逆且顺序灵活的知识库补全。

ABSTRACT

Although the notion of a concept as a collection of objects sharing certain properties, and the notion of a conceptual hierarchy are fundamental to both Formal Concept Analysis and Description Logics, the ways concepts are described and obtained differ significantly between these two research areas. Despite these differences, there have been several attempts to bridge the gap between these two formalisms, and attempts to apply methods from one field in the other. The present work aims to give an overview on the research done in combining Description Logics and Formal Concept Analysis.

研究动机与目标

• 提供对连接描述逻辑（DLs）与形式概念分析（FCA）的研究的全面概述。
• 识别并分析FCA方法如何解决基于DL的知识表示中的实际挑战，特别是在本体补全方面。
• 解决专家驱动本体补全中的可用性限制，如错误处理以及暂停或重新排序查询的需求。
• 开发并评估一种实用工具（OntoComP），该工具将基于FCA的推理与DL推理相结合，支持增量式、交互式本体开发。

提出的方法

• 该方法利用FCA从部分ABoxes生成概念蕴含，从而推导出概念名称之间的逻辑蕴含关系。
• 将本体补全建模为一系列针对专家的“是/否”查询，询问一组概念名称是否基于形式上下文蕴含另一个概念。
• 该方法采用一种补全算法，通过扩展ABox以包含满足从上下文推导出的逻辑蕴含的个体。
• 实现了一个名为OntoComP的原型工具，作为Protégé插件，使用Pellet作为底层DL推理器，以支持实时推理与验证。
• 该方法支持暂停、撤销更改以及重新排序查询，将先前的回答作为背景知识保留，避免重复输入。
• 系统利用形式上下文计算意图与外延，并应用闭包算子，逐步推导出新的蕴含关系。

实验结果

研究问题

• RQ1 如何利用FCA技术补全不完整的描述逻辑知识库？
• RQ2 在基于FCA的DL本体开发中，特别是在交互式专家验证方面，面临哪些关键挑战？
• RQ3 在专家驱动的本体补全过程中的可用性问题（如错误纠正与查询推迟）应如何解决？
• RQ4 基于FCA的蕴含挖掘在多大程度上能提升DL本体的完整性和一致性？
• RQ5 结合FCA与DL推理的混合方法能否支持增量式、可逆且交互式的本体开发？

主要发现

• 基于FCA的方法成功与生物学家合作补全了一个关于人类蛋白磷酸酶的OWL本体，证明了其实际可行性。
• 专家能够以有意义的方式完成本体，尽管观察到响应中的错误，凸显了验证支持的必要性。
• 原型工具OntoComP支持可逆编辑与查询重新排序，通过保留先前回答显著提升了可用性，减少了重复输入。
• 如最终上下文表（表3）所示，该方法实现了对初始选定概念名称的知识库完整性。
• 系统正确识别了非蕴含关系（例如，EU → 欧洲无效），并为此类情况添加了反例（如塞浦路斯和西班牙）至ABox。
• 将FCA与DL推理相结合，使得基于形式上下文推导出的逻辑蕴含检查，能够高效地实现本体的增量式补全。