[论文解读] Applying the Closed World Assumption to SUMO-based Ontologies.

Javier Álvez, Itziar González-Dios+1 more|arXiv (Cornell University)|Aug 14, 2018

Semantic Web and Ontologies被引用 4

一句话总结

本文提出将封闭世界假定（CWA）应用于基于SUMO的本体，以减少常识知识表示中的歧义。通过为子类和不相交关系制定CWA，该方法增强了推理能力，在WordNet映射基准上使本体能力提升超过47%。

ABSTRACT

In commonsense knowledge representation, the Open World Assumption is adopted as a general standard strategy for the design, construction and use of ontologies, e.g. in OWL. This strategy limits the inferencing capabilities of any system using these ontologies because non-asserted statements could be assumed to be alternatively true or false in different interpretations. In this paper, we investigate the application of the Closed World Assumption to enable a better exploitation of the structural knowledge encoded in a SUMO-based ontology. To that end, we explore three different Closed World Assumption formulations for subclass and disjoint relations in order to reduce the ambiguity of the knowledge encoded in first-order logic ontologies. We evaluate these formulations on a practical experimentation using a very large commonsense benchmark automatically obtained from the knowledge encoded in WordNet through its mapping to SUMO. The results show that the competency of the ontology improves more than 47 % when reasoning under the Closed World Assumption. As conclusion, applying the Closed World Assumption automatically to first-order logic ontologies reduces their expressed ambiguity and more commonsense questions can be answered.

研究动机与目标

• 为解决常识本体中开放世界假定的局限性，后者因非断言语句的真值不确定而限制推理能力。
• 探索如何系统性地将封闭世界假定应用于一阶逻辑本体，特别是SUMO，以提升知识利用效率。
• 评估CWA在子类和不相交关系上的形式化对减少歧义和增强推理能力的影响。
• 证明对基于SUMO的本体自动应用CWA可增加可回答的常识问题数量。

提出的方法

• 为一阶逻辑本体中的子类和不相交关系设计了三种不同的CWA形式化。
• 将这些形式化应用于通过WordNet到SUMO的映射自动生成的大规模常识知识库。
• 通过添加CWA约束扩展一阶逻辑公理，以封闭已知事实的世界，减少解释歧义。
• 系统在CWA下执行自动化推理，并将推理结果与标准开放世界假定进行比较。
• 在基于SUMO对WordNet的映射构建的基准上进行评估，以实现对推理改进的大规模测试。

实验结果

研究问题

• RQ1 将封闭世界假定应用于基于SUMO的本体对推理能力有何影响？
• RQ2 在一阶逻辑本体中，子类和不相交关系的CWA最有效的形式化是什么？
• RQ3 CWA在多大程度上减少了常识知识表示中的歧义？
• RQ4 CWA能否提升大规模本体中可回答的常识问题数量？

主要发现

• 在基准数据集上，将封闭世界假定应用于基于SUMO的本体使推理能力提升了超过47%。
• CWA的形式化显著减少了本体中非断言语句解释的歧义。
• 该方法由于在封闭世界约束下具备更强的推理能力，使系统能够回答更多常识问题。
• 结果表明，CWA可被有效且自动地应用于一阶逻辑本体，以增强知识利用。