[论文解读] Logical Inferences with Contexts of RDF Triples

Vinh Nguyen, Amit Sheth|arXiv (Cornell University)|Jan 20, 2017

Semantic Web and Ontologies参考文献 13被引用 5

一句话总结

本文提出了一种形式化的模型论语义模型，将关于三元组的上下文三元组（即关于三元组的三元组）作为一等公民处理，从而支持对来源、时间及位置元数据的逻辑推理。该机制引入了新的蕴含规则以推导上下文三元组，在DBpedia和NCBI Genes等大规模知识库上表现出良好的可扩展性，每推理十亿个三元组仅增加5至6分钟开销。

ABSTRACT

Logical inference, an integral feature of the Semantic Web, is the process of deriving new triples by applying entailment rules on knowledge bases. The entailment rules are determined by the model-theoretic semantics. Incorporating context of an RDF triple (e.g., provenance, time, and location) into the inferencing process requires the formal semantics to be capable of describing the context of RDF triples also in the form of triples, or in other words, RDF contextual triples about triples. The formal semantics should also provide the rules that could entail new contextual triples about triples. In this paper, we propose the first inferencing mechanism that allows context of RDF triples, represented in the form of RDF triples about triples, to be the first-class citizens in the model-theoretic semantics and in the logical rules. Our inference mechanism is well-formalized with all new concepts being captured in the model-theoretic semantics. This formal semantics also allows us to derive a new set of entailment rules that could entail new contextual triples about triples. To demonstrate the feasibility and the scalability of the proposed mechanism, we implement a new tool in which we transform the existing knowledge bases to our representation of RDF triples about triples and provide the option for this tool to compute the inferred triples for the proposed rules. We evaluate the computation of the proposed rules on a large scale using various real-world knowledge bases such as Bio2RDF NCBI Genes and DBpedia. The results show that the computation of the inferred triples can be highly scalable. On average, one billion inferred triples adds 5-6 minutes to the overall transformation process. NCBI Genes, with 20 billion triples in total, took only 232 minutes for the transformation of 12 billion triples and added 42 minutes for inferring 8 billion triples to the overall process.

研究动机与目标

• 将RDF三元组的上下文信息（如来源、时间、位置）在模型论语义中形式化为一等实体。
• 设计一组蕴含规则，可基于已有三元组逻辑推导出新的关于三元组的上下文三元组。
• 在保持语义正确性的前提下，实现对大规模知识库的可扩展推理。
• 在真实数据集（如DBpedia和NCBI Genes）上验证所提推理机制的可行性与性能表现。

提出的方法

• 使用单例属性将RDF三元组的上下文信息表示为关于三元组的RDF三元组，将其在模型论语义中视为一等公民。
• 定义一种形式化的模型论语义，扩展标准RDF/OWL语义以包含上下文三元组及其逻辑关系。
• 设计一组新的蕴含规则，允许基于已有上下文三元组和事实三元组推导出新的上下文三元组。
• 实现一个转换流水线，将现有知识库重新表示为新的上下文三元组格式，并应用前向链式推理。
• 通过索引和基于流的并行处理优化性能，以高效处理大规模推理。
• 在真实知识库（如Bio2RDF、DBpedia、NCBI Genes）上，使用NoReasoning和Reasoning两种变体对系统进行评估。

实验结果

研究问题

• RQ1 如何在模型论语义中将RDF三元组的上下文信息（如来源、时间、位置）正式表示为一等实体？
• RQ2 需要哪些蕴含规则，才能从已有三元组中逻辑推导出新的关于三元组的上下文三元组？
• RQ3 所提出的推理机制能否在包含200亿个三元组的大型知识库（如NCBI Genes）上实现可扩展性？
• RQ4 推理性能对整体转换与存储开销有何影响？

主要发现

• 所提推理机制在计算上具有可扩展性，每推理十亿个三元组仅增加5至6分钟开销。
• 在NCBI Genes上，转换120亿个三元组并推理出80亿个上下文三元组，转换耗时232分钟，推理耗时42分钟，总计274分钟。
• 与Dup版本相比，Unique版本通过去重冗余上下文三元组，将磁盘空间和运行时间最多减少50%。
• 与NoReasoning版本相比，Reasoning版本的运行时间增加了14%至19%，磁盘空间增加了15%至25%，表明开销在可接受范围内。
• 该机制支持对时间与空间来源等上下文元数据的逻辑推理，可支持时间推理和来源追踪等高级应用。
• 该方法与OWL 2 Full兼容，通过进一步的语义扩展，可推广至OWL 2 DL和直接语义。