[论文解读] Optimizing the computation of overriding

Piero A. Bonatti, Iliana M. Petrova+1 more|arXiv (Cornell University)|Jul 16, 2015

Logic, Reasoning, and Knowledge参考文献 27被引用 6

一句话总结

本文提出两种优化技术——模块提取与乐观推理，用于加速非单调描述逻辑 $π\mathcal{DL}^N$ 中的查询回答，在大规模知识库上显著提升性能。这些方法使响应时间减少一个数量级以上，实现在超过30,000条公理的知识库上的实时推理。

ABSTRACT

We introduce optimization techniques for reasoning in DLN---a recently introduced family of nonmonotonic description logics whose characterizing features appear well-suited to model the applicative examples naturally arising in biomedical domains and semantic web access control policies. Such optimizations are validated experimentally on large KBs with more than 30K axioms. Speedups exceed 1 order of magnitude. For the first time, response times compatible with real-time reasoning are obtained with nonmonotonic KBs of this size.

研究动机与目标

• 为解决在包含超过30,000条公理的大规模知识库上扩展 $π\mathcal{DL}^N$ 推理时的性能瓶颈。
• 减少非单调推理中的查询响应时间，尽管 $π\mathcal{DL}^N$ 具备可 tractability 和在生物医学与访问控制领域中的适用性，但当前的响应时间仍阻碍实时部署。
• 开发逻辑上正确且完备的优化技术，同时保持 $π\mathcal{DL}^N$ 的逻辑特性，如无继承阻断与原型一致性。
• 在大规模、真实的知识库上验证这些优化的有效性，包括合成与真实世界的本体。
• 通过实现与实时系统兼容的响应时间，推动非单调推理的实际部署。

提出的方法

• 本文提出一种基于依赖分析的模块提取技术，将推理限制在与给定查询相关的公理上，从而减少计算开销。
• 提出一种乐观推理算法，通过重用先前的推理结果来最小化昂贵的公理删除操作，利用增量推理能力。
• 将模块提取与乐观推理相结合，进一步降低响应时间，尤其在无N的知识库中表现更优。
• 该方法在 $π\mathcal{DL}^N$ 上被形式化证明为正确且完备，确保在提升效率的同时保持正确性。
• 通过合成与真实世界的知识库对优化方法进行评估，包括源自基因本体的本体，其缺陷包含与正常性概念的比例各不相同。
• 实现基于 OWLAPI，且公开可用，支持可复现性与进一步基准测试。

实验结果

研究问题

• RQ1 尽管其他非单调逻辑中存在已知的不 soundness 问题，模块提取能否在非单调描述逻辑如 $π\mathcal{DL}^N$ 中被安全应用？
• RQ2 如何在 $π\mathcal{DL}^N$ 中优化增量推理，以降低查询处理过程中公理删除的开销？
• RQ3 模块提取与乐观推理的结合在大规模 $π\mathcal{DL}^N$ 知识库中能在多大程度上提升响应时间？
• RQ4 在包含超过20,000个概念名称与30,000条公理的真实世界与合成知识库上，可实现多大的性能提升？
• RQ5 这些优化能否在大规模场景下实现非单调推理的实时响应时间，特别是在生物医学与访问控制应用中？

主要发现

• 模块提取与乐观推理的联合优化实现了超过一个数量级的加速，部分情况下响应时间提升高达780倍。
• 对于包含15%缺陷包含的KB，优化方法将平均响应时间从原始方法的90秒以上降低至0.32秒以下，即使在30% DIs的情况下也成立。
• 在无N的KB中，仅使用基于模块的方法即可将响应时间从原始方法的30分钟以上降低至40秒以下，即使包含250个正常性概念。
• 乐观推理方法在减少公理删除次数方面尤为有效，显著提升了动态KB上的性能。
• 即使在涉及正常性概念的角色范围限制的复杂场景下，大多数查询仍在2秒内完成，仅有少数情况超过40秒。
• 结果首次表明，对于此类规模的非单调知识库，实时推理是可行的，从而为生物医学与语义网应用中的实际部署铺平了道路。