[论文解读] Syntactic vs. Semantic Locality: How Good Is a Cheap Approximation?
本文评估了OWL本体模块中句法局部性与语义局部性的差异，首次实现了语义局部性，并表明句法局部性是语义局部性的高效且计算成本低廉的近似。在真实世界本体上的实验表明，语义模块与句法模块的大小差异极小，句法提取的加速比最高可达六倍，因此尽管语义局部性在理论上更精确，实践中句法局部性仍更优。
Extracting a subset of a given OWL ontology that captures all the ontology's knowledge about a specified set of terms is a well-understood task. This task can be based, for instance, on locality-based modules (LBMs). These come in two flavours, syntactic and semantic, and a syntactic LBM is known to contain the corresponding semantic LBM. For syntactic LBMs, polynomial extraction algorithms are known, implemented in the OWL API, and being used. In contrast, extracting semantic LBMs involves reasoning, which is intractable for OWL 2 DL, and these algorithms had not been implemented yet for expressive ontology languages. We present the first implementation of semantic LBMs and report on experiments that compare them with syntactic LBMs extracted from real-life ontologies. Our study reveals whether semantic LBMs are worth the additional extraction effort, compared with syntactic LBMs.
研究动机与目标
- 评估计算效率高的句法局部性是否为OWL 2 DL本体中语义局部性的良好近似。
- 实现并评估语义局部性基础模块（LBMs），尽管已有相关算法，但此前尚未实现。
- 确定语义LBM的计算成本增加是否值得带来模块大小的潜在减少。
- 识别并分析导致句法与语义模块差异的公理类型。
- 研究尽管理论上的不可解性，语义LBM在实际中是否可行。
提出的方法
- 使用蕴含检查实现基于语义局部性的模块提取，利用现有的OWL 2 DL推理服务。
- 使用相同的种子签名，从BioPortal中的真实本体语料库中提取句法和语义LBM。
- 采用随机抽样策略生成不同大小的种子签名，遵循均值为m/2的二项分布。
- 在多个本体上比较句法与语义LBM的模块大小和提取时间。
- 识别并分类两类导致差异的公理：重言式和涉及非局部术语的公理。
- 进行统计分析，评估模块大小和性能差异的显著性。
实验结果
研究问题
- RQ1在真实世界的OWL本体中，句法与语义局部性基础模块的大小如何比较？
- RQ2在实际中，句法模块提取比语义模块提取快多少？
- RQ3哪些类型的公理导致句法与语义模块之间的差异？
- RQ4语义模块提取的计算成本是否因模块大小的显著减少而值得？
- RQ5尽管存在理论上的不可解性，语义局部性基础模块在实际中是否可以高效提取？
主要发现
- 在语料库中的几乎所有本体中，句法与语义模块的大小均无统计显著差异。
- 句法模块提取相对于语义提取的平均加速比最高达六倍，某些情况下甚至达到数量级提升。
- 模块大小的差异较小，且不值得增加计算时间，特别是对于Galen和People等大型知名本体，未观察到大小减少。
- 两类公理导致差异：重言式（如F ⊑ F）和涉及非局部术语的公理，这些公理在签名扩展后变为非局部。
- 尽管存在理论上的不可解性，语义局部性基础模块在实际中可高效提取，表明其在现实世界应用中的可行性。
- 本研究发现并修复了OWL API中句法局部性检查器的一个错误，该错误与自反性公理相关。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。