[论文解读] NdFluents: A Multi-dimensional Contexts Ontology

José M. Giménez‐García, Antoine Zimmermann+1 more|arXiv (Cornell University)|Sep 22, 2016

Semantic Web and Ontologies参考文献 7被引用 3

一句话总结

NdFluents 提出了一种通用且可扩展的本体，用于在 RDF/OWL 中建模多维上下文元数据，将 Welty 和 Fikes 的 4dFluents 时间性 fluents 模型扩展至支持任意上下文维度（如来源、置信度和信任度）。通过将上下文表示为结构化、重化的实体，该模型使上下文化语句能够实现完整的 OWL 推理，允许对特定上下文切片中的实体进行断言。

ABSTRACT

Annotating semantic data with metadata is becoming more and more important to provide information about the statements being asserted. While initial solutions proposed a data model to represent a specific dimension of meta-information (such as time or provenance), the need for a general annotation framework which allows representing different context dimensions is needed. In this paper, we extend the 4dFluents ontology by Welty and Fikes---on associating temporal validity to statements---to any dimension of context, and discuss possible issues that multidimensional context representations have to face and how we address them.

研究动机与目标

• 解决语义数据中缺乏统一框架来表示多种上下文维度（如时间、来源、置信度）的问题。
• 将原本仅针对时间性 fluents 设计的 4dFluents 本体扩展至支持任意上下文维度。
• 通过将上下文建模为一等实体，实现对上下文化语句的完整 OWL 推理。
• 提供一个模块化、可扩展的本体，支持在单一知识表示中组合多种上下文维度。
• 不仅支持对语句的上下文元数据，也支持对实体本身的上下文元数据，从而实现上下文感知的数据检索与推理。

提出的方法

• 采用 perdurantist（4D）方法，将实体视为时间部分，并通过引入特定于上下文的“上下文部分”将此方法推广至任意上下文维度。
• 定义一种通用本体结构，其中每个上下文维度（如时间、来源、置信度）被建模为与原始实体相关联的独立类型上下文部分。
• 使用 OWL 2 功能语法定义类（如 ContextPart、TemporalPart）、对象属性（如 fluentProperty、contextOf）以及用于模块化和可扩展性的公理。
• 通过类似重化的结构表示上下文元数据，即关于上下文部分而非原始实体断言语句，从而保留一阶逻辑的拓扑结构。
• 引入一种机制，通过功能属性（如 contextOf）将上下文部分链接到原始实体，从而实现对特定上下文中所有事实的检索。
• 在 WDAqua 项目中应用该模型，遵循 Web of Data 最佳实践发布本体和示例数据。

实验结果

研究问题

• RQ1 如何通过单一本体模型以统一且可扩展的方式支持多种任意上下文维度（如时间、来源、置信度）？
• RQ2 在语义知识图谱中组合多种上下文维度时，保持推理能力的关键挑战是什么？
• RQ3 通用 fluents 基础模型能否支持对上下文化语句的完整 OWL 推理，包括传递性、对称性和逆属性？
• RQ4 如何将上下文元数据不仅附加到语句，也附加到实体本身，以实现上下文感知的数据检索？
• RQ5 与 N 元关系或重化等替代方案相比，使用多维 fluents 模型在表达能力、推理支持和数据大小方面存在哪些权衡？

主要发现

• NdFluents 是首个已知的将 4dFluents 扩展至支持时间以外任意上下文维度（如来源、置信度、信任度）的通用扩展，支持模块化扩展。
• 该模型支持对上下文化语句的完整 OWL 推理，包括传递性、对称性和逆属性，而重化或单例属性模式则不具备此能力。
• 上下文元数据不仅可以附加到语句，也可以附加到实体本身，从而支持对特定实体-上下文组合相关所有事实的检索。
• 该方法支持高效查询特定上下文内的所有信息（例如，关于巴黎、来源为 Wikipedia 且置信度高的所有事实），从而提升问答系统中数据的可追溯性和可信度。
• 尽管该模型因增加三元组而扩大了数据规模，但其提供了稳健且形式化的上下文感知知识表示基础，支持复杂推理与可扩展性。