[論文レビュー] Repairing Inconsistent Databases: A Model-Theoretic Approach and Abductive Reasoning

Ofer Arieli, Marc Denecker+2 more|ArXiv.org|Jul 25, 2002

Logic, Reasoning, and Knowledge参考文献 30被引用数 3

ひとこと要約

本稿では、一貫性のないデータベースを修復するためのモデル理論的枠組みと帰納的推論アプローチを提示する。一貫性のある情報を保持する最小モデルを特定することにより、整合性の回復を実現する。SLDNFA分解に基づく帰納的ソルバー（Aシステム）の妥当性と完全性を確立し、文法的埋め込みや外部の優先ポリシーを必要としない統一的で表現力豊かなデータ統合手法を提供する。

ABSTRACT

In this paper we consider two points of views to the problem of coherent integration of distributed data. First we give a pure model-theoretic analysis of the possible ways to `repair' a database. We do so by characterizing the possibilities to `recover' consistent data from an inconsistent database in terms of those models of the database that exhibit as minimal inconsistent information as reasonably possible. Then we introduce an abductive application to restore the consistency of a given database. This application is based on an abductive solver (A-system) that implements an SLDNFA-resolution procedure, and computes a list of data-facts that should be inserted to the database or retracted from it in order to keep the database consistent. The two approaches for coherent data integration are related by soundness and completeness results.

研究の動機と目的

• 分散データベースに一貫性のないデータが存在する状況下でも整合性を保ちながら統合する課題に対処すること。
• 最小モデルを特定することにより、一貫性のない情報を最小限に抑えるモデル理論的分析を通じてデータベース修復を形式的に分析すること。
• 整合性の回復に向けた正確なデータ修正（挿入／削除）を計算する帰納的推論システムの開発。
• 妥当性と完全性の結果を用いて、モデル理論的修復と帰納的解法の間の形式的リンクを確立すること。
• 文法的埋め込みや外部の優先メカニズムを回避する一般性と表現力を備えたデータ統合のためのフレームワークを提供すること。

提案手法

• 本稿では、一貫性のないデータベースの修復を、一貫性のない情報量を最小限に抑える最小モデルとして定式化するモデル理論を用いる。
• 整合性回復のためのデータ事実の挿入・削除を計算するため、SLDNFA分解に基づく帰納的ソルバー（Aシステム）を導入する。
• 本アプローチは2つの最適化戦略（≤i-最大一貫性モデルおよび≤c-最大一貫性モデル）を採用しており、帰納的プロセスを好ましい修復へと導く。
• 古典的帰納手続きと帰納的論理を統合し、拡張や埋め込みを必要としない二値論理の一般化を実現する。
• 三値論理による真偽の近似を通じて、修復の意味論を定義し、一貫性のない部分の特定を可能にする。
• 本フレームワークは肯定的および否定的事実をサポートし、将来の拡張として時系列的・トランザクション的・定義的データの処理が可能である。

実験結果

リサーチクエスチョン

• RQ1 最小モデル理論的原則を用いて、一貫性のないデータベースから一貫性のあるデータをどのように回復できるか？
• RQ2 整合性の回復に向け、挿入・削除を体系的に計算する帰納的推論メカニズムは何か？
• RQ3 妥当性と完全性の結果を用いて、帰納的修復プロセスをモデル理論的修復とどのように形式的に結びつけるか？
• RQ4 提案手法は、文法的埋め込みや優先ポリシーを必要とせず、どのように古典論理を一般化するか？
• RQ5 本フレームワークは、不完全な情報や矛盾する情報（否定的事実や時系列データを含む）をどのように処理できるか？

主な発見

• モデル理論的アプローチにより、データベース修復が一貫性のない情報を最小限に抑える最小モデルとして特定され、一貫性のあるデータ回復の形式的意味論が提供される。
• 帰納的ソルバー（Aシステム）は、SLDNFA分解を用いて修復アクション（挿入・削除）を正しくかつ完全に計算する。
• 帰納的修復プロセスとモデル理論的意味論との間に妥当性と完全性が確立され、本手法の有効性が裏付けられる。
• 文法的埋め込みや二値論理の拡張を必要としないため、既存のシステムよりも表現力が高く、柔軟性に優れる。
• 三値論理を自然にサポートするため、不整合の検出と局所化が可能となり、一貫性のないデータの特定が容易になる。
• 定義、否定的事実、時系列的・トランザクション的データの統合が拡張可能であり、将来的な拡張の基盤を提供する。