[논문 리뷰] Heuristic Ranking in Tightly Coupled Probabilistic Description Logics

Thomas Lukasiewicz, María Vanina Martínez외 2명|arXiv (Cornell University)|2012. 10. 16.

Semantic Web and Ontologies참고 문헌 20인용 수 11

한 줄 요약

이 논문은 불확실성 하에서 의미 웹 추론을 가능하게 하기 위해 마르코프 논리 네트워크(MLNs)를 사용한 EL++의 밀접하게 결합된 확률적 확장 방법을 제안한다. 확률적 추론 결과의 순위를 확률 기반으로 매기는 anytime 휴리스틱 알고리즘을 도입하여, 전체 계산이 불가능한 상황에서도 오차 한계와 정확성 보장을 제공함으로써 지식 그래프에서 확장 가능한 불확실성 인식 추론을 가능하게 한다.

ABSTRACT

The Semantic Web effort has steadily been gaining traction in the recent years. In particular,Web search companies are recently realizing that their products need to evolve towards having richer semantic search capabilities. Description logics (DLs) have been adopted as the formal underpinnings for Semantic Web languages used in describing ontologies. Reasoning under uncertainty has recently taken a leading role in this arena, given the nature of data found on theWeb. In this paper, we present a probabilistic extension of the DL EL++ (which underlies the OWL2 EL profile) using Markov logic networks (MLNs) as probabilistic semantics. This extension is tightly coupled, meaning that probabilistic annotations in formulas can refer to objects in the ontology. We show that, even though the tightly coupled nature of our language means that many basic operations are data-intractable, we can leverage a sublanguage of MLNs that allows to rank the atomic consequences of an ontology relative to their probability values (called ranking queries) even when these values are not fully computed. We present an anytime algorithm to answer ranking queries, and provide an upper bound on the error that it incurs, as well as a criterion to decide when results are guaranteed to be correct.

연구 동기 및 목표

• 의미 웹 온톨로지에서의 불확실성 하 추론 문제, 특히 데이터가 불완전하거나 불확실한 대규모 지식 그래프에서의 문제를 해결하기 위해.
• 마르코프 논리 네트워크(MLNs)를 사용하여 EL++ 서술 논리에 확률적 의미를 확장함으로써 논리 공식과 확률적 주석 간의 밀접한 결합을 가능하게 하기 위해.
• 완전한 확률적 계산이 불가능한 상황에서도 확률 기반으로 논리적 결과의 순위를 효율적으로 매기는 anytime 추론을 지원하기 위해.
• 오차 한계와 정확성 기준을 통해 순위 결과의 정확성에 대한 이론적 보장을 제공하기 위해.

제안 방법

• 논문은 마르코프 논리 네트워크(MLNs)를 EL++의 확률적 의미론으로 통합하여 논리 공식 내부에 확률적 주석을 가능하게 한다.
• 온톨로지 내 객체를 참조할 수 있는 공식 내 확률적 가중치를 허용하는 밀착된 언어를 정의함으로써 더 풍부한 불확실성 모델링을 가능하게 한다.
• 추정된 확률 기반으로 원자적 결과의 순위를 계산하기 위한 anytime 알고리즘을 제안하며, 점진적으로 결과를 향상시킨다.
• 휴리스틱 추정을 사용하여 더 높은 확률을 가진 결과를 우선순위로 정렬하고, 순위의 오차를 제한하는 메커니즘을 제공한다.
• 현재 순위가 더 이상의 계산 없이도 정확하다고 보장할 수 있는 조건을 결정하는 정확성 기준을 설정한다.
• 완전한 확률적 추론 없이도 효율적인 순위 매기기를 가능하게 하는 MLN의 부분언어를 활용한다.

실험 결과

연구 질문

• RQ1 어떻게 논리 공식과 온톨로지 내 확률적 주석 간의 밀착된 결합을 지원하는 확률적 서술 논리 체계를 확장할 수 있는가?
• RQ2 완전한 확률적 계산 없이도 효율적이고 anytime 방식으로 불확실성 하에서 논리적 결과의 순위를 매기는 데 사용할 수 있는 기법은 무엇인가?
• RQ3 밀착된 확률적 서술 논리에서 휴리스틱 순위 매기기의 오차 한계는 무엇을 제공할 수 있는가?
• RQ4 순위 알고리즘의 결과가 더 이상의 계산 없이도 정확하다고 보장받을 수 있는 조건은 무엇인가?
• RQ5 정확성과 확장성을 유지하면서 이러한 시스템에서 추론의 복잡성을 어떻게 관리할 수 있는가?

주요 결과

• 제안된 방법은 오차 한계가 보장되는 밀착된 확률적 서술 논리에서 논리적 결과의 휴리스틱 순위 매기기를 가능하게 한다.
• Anytime 알고리즘은 점진적으로 개선되는 순위를 제공하며, 전체 계산을 완료하지 않더라도 상위 순위 결과에 대한 신뢰를 유지할 수 있다.
• 현재 순위가 추가 계산 없이도 정확하다고 보장할 수 있는 정확성 기준이 설정되었다.
• 완전한 확률적 계산을 피하는 방식으로 대규모 지식 그래프에서의 확장 가능한 추론을 지원한다.
• 정확한 추론이 비현실적이며 불확실성이 본질적인 실제 의미 웹 시나리오에 적용 가능하다.
• 이론적 분석 결과, 확률이 완전히 계산되지 않은 상태에서도 알고리즘이 오차를 제한함을 보여준다.