[论文解读] A Knowledge Ecosystem for the Food, Energy, and Water System

Praveen Rao, Anas Katib+1 more|arXiv (Cornell University)|Sep 17, 2016

Scientific Computing and Data Management参考文献 13被引用 3

一句话总结

本文提出了一套面向粮食、能源与水（FEW）系统的知识生态系统，利用语义网技术与统计关系学习，实现对美国联邦异构数据集的语义集成。通过构建富含本体论和基于OWL的推理的概率知识库，系统能够通过对大规模数据的RDF四元组和SPARQL查询进行自动推理，发现可操作的洞察，例如干旱导致的价格上涨。

ABSTRACT

Food, energy, and water (FEW) are key resources to sustain human life and economic growth. There is an increasing stress on these interconnected resources due to population growth, natural disasters, and human activities. New research is necessary to foster more efficient, more secure, and safer use of FEW resources in the U.S. and globally. In this position paper, we present the idea of a knowledge ecosystem for enabling the semantic data integration of heterogeneous datasets in the FEW system to promote knowledge discovery and superior decision making through semantic reasoning. Rich, diverse datasets published by U.S. federal agencies will be utilized. Our knowledge ecosystem will build on Semantic Web technologies and advances in statistical relational learning to (a) represent, integrate, and harmonize diverse data sources and (b) perform ontology-based reasoning to discover actionable insights from FEW datasets.

研究动机与目标

• 为解决来自美国联邦机构（如USDA、NOAA、USGS和NDMC）的异构、语义差异显著的FEW数据集集成挑战。
• 构建一个具有丰富本体论的可扩展、可演化知识库，以建模FEW领域中的实体、关系与领域规则。
• 实现对FEW知识库的自动化、基于本体的推理，以发现隐藏洞察并验证科学假设。
• 通过语义数据集成与可扩展查询处理，支持FEW利益相关者的更优决策。
• 克服当前数据格式（如CSV、Excel）的局限性以及缺乏共享本体所导致的智能系统数据消费障碍。

提出的方法

• 将FEW数据表示为RDF四元组（主体、谓词、客体、上下文），以捕获来源信息并支持基于图的建模。
• 使用语义网标准——RDF、SPARQL与OWL 2——来建模FEW领域中的实体、类、属性与关系。
• 应用统计关系学习与马尔可夫逻辑网络（MLNs）推断实体之间的语义关系，如owl:sameAs、owl:equivalentProperty与owl:differentFrom。
• 利用RIQ系统在RDF命名图上高效处理SPARQL查询，并将其与Pellet等OWL 2 DL推理器集成，实现可扩展推理。
• 在RDF中使用重语化（reification）表示提取事实与规则中的不确定性与概率。
• 探索在Apache Spark上使用RIQ进行并行查询处理，以实现对数十亿条RDF语句与OWL断言的可扩展推理。

实验结果

研究问题

• RQ1 如何将来自美国联邦机构的大规模、异构FEW数据集语义集成到统一的知识库中？
• RQ2 哪些技术能够实现基于OWL 2 DL与统计关系学习的大规模、概率推理？
• RQ3 如何通过具备来源感知的RDF四元组与命名图支持FEW数据集成中的可追溯性与可信度？
• RQ4 自动化推理在多因素耦合的FEW系统中，如何揭示非显性的因果关系（如干旱对肉类与生物燃料价格的影响）？
• RQ5 语义推理如何通过引入领域特定上下文，解决FEW数据中的明显矛盾（如低降雨量报告与高湿度指数值并存）？

主要发现

• 该知识生态系统能够实现对因果影响的自动化推理，例如通过OWL 2断言的逻辑推导，将密苏里州杰克逊县的干旱与肉类及生物燃料价格上涨关联起来。
• OWL推理器可验证FEW数据中的明显矛盾，例如牧场主报告降雨量低，而VegDRI指数却显示‘绿色’湿度水平，通过识别如暖季草类抗逆性等上下文特定因素。
• RIQ与OWL 2 DL推理的集成使得在大规模RDF数据集上实现可扩展查询处理成为可能，通过将推理任务映射为命名图上的复杂SPARQL查询。
• 通过MLNs实现的统计关系学习支持实体间语义等价性与差异性的推断，提升来自多样化数据源的知识库一致性。
• 该系统使终端用户无需手动关联异构数据集，即可发现可操作的洞察（如气候事件引发的价格波动）。
• 该方法在使用语义技术实现大规模、自动化FEW领域知识发现方面展现出可行性，但其准确性取决于统计推断质量与数据来源信息的可靠性。