[论文解读] Extract ABox Modules for Efficient Ontology Querying

Jia Xu, Shironoshita, Patrick+3 more|arXiv (Cornell University)|May 21, 2013

Semantic Web and Ontologies参考文献 43被引用 3

一句话总结

该论文为 $/mathcal{SHIQ}$本体中的ABox模块提出了一个形式化定义，确保对给定个体集合的所有逻辑蕴含关系被完全保留，从而支持隔离或并行推理。通过提取这些模块，推理时间被大幅缩短——例如，实例检查仅需几毫秒，而DBpedia等大型本体的实例检索时间也控制在两小时以内，相比之下，使用完整ABoxes时则需数天或数小时。

ABSTRACT

The extraction of logically-independent fragments out of an ontology ABox can be useful for solving the tractability problem of querying ontologies with large ABoxes. In this paper, we propose a formal definition of an ABox module, such that it guarantees complete preservation of facts about a given set of individuals, and thus can be reasoned independently w.r.t. the ontology TBox. With ABox modules of this type, isolated or distributed (parallel) ABox reasoning becomes feasible, and more efficient data retrieval from ontology ABoxes can be attained. To compute such an ABox module, we present a theoretical approach and also an approximation for $\mathcal{SHIQ}$ ontologies. Evaluation of the module approximation on different types of ontologies shows that, on average, extracted ABox modules are significantly smaller than the entire ABox, and the time for ontology reasoning based on ABox modules can be improved significantly.

研究动机与目标

• 解决由于现实应用中大型ABoxes导致的本体查询可扩展性问题，例如生物医学研究和医疗保健领域。
• 克服在表达性描述逻辑（如 $\mathcal{SHIQ}$）中实例检查和合取查询回答的高计算复杂度问题，其复杂度为 EXPTIME-complete。
• 通过提取在逻辑上独立的ABox模块，保留给定个体集合的所有蕴含关系，实现高效、隔离或分布式推理。
• 提供一种形式化且实用的ABox模块提取方法，兼顾理论严谨性与真实本体中实现的可行性。

提出的方法

• 将ABox模块定义为给定个体集合的所有逻辑蕴含关系（显式和隐式）的闭包，确保相对于TBox的蕴含关系完全保留。
• 引入“模块必要性”概念，以形式化识别对给定签名具有语义相关性的ABox断言，从而实现精确的模块构建。
• 提出一种基于语义闭包的理论算法，用于精确的ABox模块提取，尽管在大型本体中计算成本较高。
• 设计一种计算可行的语法近似方法用于实际应用：(1) 利用概念和角色依赖关系识别相关断言；(2) 通过邻居基数检查对个体等价性进行语法近似。
• 应用该近似方法提取出比完整ABox更小但依然保持推理完整性的ABox模块。
• 通过支持每个ABox模块的独立处理，实现并行或分布式推理，尤其在实例检索和合取查询中优势显著。

实验结果

研究问题

• RQ1 如何在 $\mathcal{SHIQ}$ 本体中对ABox模块进行形式化定义，以确保对给定个体集合的所有逻辑蕴含关系被完全保留？
• RQ2 ABox模块提取对大型本体中实例检查和合取查询回答的效率有何影响？
• RQ3 能否设计一种实用且可扩展的近似方法用于ABox模块提取，以在完整性和计算可行性之间取得平衡？
• RQ4 与完整ABox推理相比，对ABox模块进行隔离或分布式推理在性能提升方面能达到何种程度？
• RQ5 在不同类型的本体中，提取的ABox模块大小及其推理时间与原始ABoxes相比如何？

主要发现

• 提取的ABox模块平均远小于完整ABox，显著提升了推理任务的性能。
• 在LUBM(s)和DBpedia∗(s)上，使用模块化推理后，实例检查时间从数秒缩短至几毫秒，表现出极高的效率。
• 在LUBM(s)上，实例检索时间从数小时缩短至数秒；在DBpedia∗(s)上，从数天缩短至两小时以内，凸显了可扩展性的显著提升。
• 在生物医学本体中，实例检索时间从超过130小时缩短至6小时以内，表明该方法在复杂领域具有强大适用性。
• ABox模块提取的开销极低——平均每个个体仅约1毫秒，使模块化推理在实践中具有可行性。
• 所提出的语法近似方法虽非始终最优，但在完整性和性能之间提供了实用且高效的折中方案，适用于实际部署。