[논문 리뷰] PARIS: Probabilistic Alignment of Relations, Instances, and Schema

Fabian M. Suchanek, Serge Abiteboul외 1명|arXiv (Cornell University)|2011. 11. 30.

Semantic Web and Ontologies인용 수 65

한 줄 요약

PARIS는 매개변수 조정 없이 확률 기반 매칭을 통해 동시에 인스턴스, 관계 및 스키마 요소를 정렬하는 통합 온톨로지 정렬 프레임워크이다. 기능적 의존성과 확률적 추론을 통해 실체 동치성을 모델링함으로써 대규모 실세계 온톨로지에서 약 90%의 정밀도를 달성한다.

ABSTRACT

One of the main challenges that the Semantic Web faces is the integration of a growing number of independently designed ontologies. In this work, we present PARIS, an approach for the automatic alignment of ontologies. PARIS aligns not only instances, but also relations and classes. Alignments at the instance level cross-fertilize with alignments at the schema level. Thereby, our system provides a truly holistic solution to the problem of ontology alignment. The heart of the approach is probabilistic, i.e., we measure degrees of matchings based on probability estimates. This allows PARIS to run without any parameter tuning. We demonstrate the efficiency of the algorithm and its precision through extensive experiments. In particular, we obtain a precision of around 90% in experiments with some of the world's largest ontologies.

연구 동기 및 목표

• Semantic Web에서 독립적으로 설계된 온톨로지 간 통합의 과제를 해결하기 위해.
• 통합적이고 종합적인 방식으로 인스턴스와 스키마 요소(클래스 및 관계)를 자동으로 정렬할 수 있도록 하기 위해.
• 온톨로지 정렬 시스템에서 수동적 매개변수 조정이 필요 없도록 하기 위해.
• 고정밀도로 대규모 온톨로지 통합을 위한 확장성 있고 효율적인 솔루션을 제공하기 위해.

제안 방법

• 공유된 관계와 기능적 의존성을 바탕으로 실체 동치성의 가능성 확률을 추정하기 위해 확률 모델을 사용한다.
• 산술 평균보다 더 강건한 성능을 보이기 위해 전역 관계 기능성 계산에 조화 평균을 적용한다.
• 복잡한 논리 규칙의 확률 계산을 단순화하기 위해 독립성 가정을 적용한다.
• 표준 항등식(예: Pr(A ∧ B) = Pr(A) × Pr(B))를 사용한 재귀적 확률 분해를 통해 인스턴스 동치성을 모델링한다.
• 높은 제약 조건을 가진 관계를 우선순위로 삼기 위해 기능성 점수를 동치성 확률 추정에 통합한다.
• 관계 기능성에 고려를 반영한 확률적 동치성 측정을 통해 인스턴스 속성의 집합 수준 비교를 지원한다.

실험 결과

연구 질문

• RQ1 통합 프레임워크는 높은 정밀도로 동시에 인스턴스, 관계 및 스키마 요소를 정렬할 수 있는가?
• RQ2 매개변수 조정이 필요 없이 확률적 추론을 어떻게 사용하여 실체 동치성을 추정할 수 있는가?
• RQ3 기능적 의존성이 대규모 온톨로지에서 정렬 정밀도를 얼마나 향상시키는가?
• RQ4 조화 평균은 산술 평균에 비해 정렬 작업에서 관계 기능성 측정에 더 강건한가?

주요 결과

• PARIS는 세계에서 가장 큰 온톨로지 중 일부에 대한 실험에서 약 90%의 정밀도를 달성한다.
• 시스템은 데이터에서 유도된 확률적 추정 외에는 어떤 매개변수 조정도 필요로 하지 않는다.
• 조화 평균 기반의 기능성 추정은 동치성 확률 계산의 강건성을 향상시킨다.
• 기능적 의존성은 고도로 제약된 관계를 우선순위로 삼음으로써 정렬 정밀도를 크게 향상시킨다.
• 스키마 수준과 인스턴스 수준의 정렬 통합은 상호 보완적 작용을 통해 전체 정밀도 향상에 기여한다.
• 독립성 가정을 통해 복잡한 논리 규칙을 효과적으로 근사함으로써 효율적인 계산이 가능해진다.