[论文解读] The category of networks of ontologies

Jérôme Euzenat|arXiv (Cornell University)|Dec 10, 2014

Semantic Web and Ontologies被引用 3

一句话总结

本文提出了一种范畴论框架，用于本体网络，将对齐语义抽象化，以独立于特定解释的方式定义闭包和一致性。研究证明，具有特定态射的本体网络构成范畴，从而支持形式化操作（如上拉）并促进修订算子与分布式推理系统的设计。

ABSTRACT

The semantic web has led to the deployment of ontologies on the web connected through various relations and, in particular, alignments of their vocabularies. There exists several semantics for alignments which make difficult interoperation between different interpretation of networks of ontologies. Here we present an abstraction of these semantics which allows for defining the notions of closure and consistency for networks of ontologies independently from the precise semantics. We also show that networks of ontologies with specific notions of morphisms define categories of networks of ontologies.

研究动机与目标

• 为本体网络提供一种正式的、语义无关的抽象，以支持通用推理与操作。
• 在独立于特定对齐语义的前提下，定义本体网络的闭包与一致性。
• 确立具有特定态射的本体网络构成范畴，从而支持如上拉等范畴操作。
• 通过统一的代数框架，支持修订算子与分布式推理系统的设计。
• 弥合具体对齐语义与本体网络上抽象、可重用形式化操作之间的差距。

提出的方法

• 将对齐语义抽象为参数化框架，使用带有关系（如等价、继承）和置信度值的对应集合。
• 将本体网络定义为有限个本体及其相互之间对齐的集合，对齐以三元组（实体，实体，关系）形式表达。
• 引入保持本体包含关系与对齐对应关系的网络间态射，并扩展以处理置信度权重。
• 提出加权本体网络（NOO_W）范畴，其中态射尊重置信度阈值。
• 定义阈值函子 F_w，根据置信度过滤对齐，保持态射结构并支持模块化推理。
• 在本体网络范畴中使用上拉操作来建模本体的一致性合并，抽象出重叠知识的调和过程。

实验结果

研究问题

• RQ1 如何在独立于特定对齐语义的前提下，正式定义本体网络的闭包与一致性？
• RQ2 具有特定态射的本体网络形成何种范畴结构？从中可推导出哪些操作（如上拉）？
• RQ3 如何将对齐中的置信度或权重信息正式整合到态射与范畴构造中？
• RQ4 能否建立一个统一框架，以支持异构本体之间的修订、合并与分布式推理？
• RQ5 基于阈值的过滤函数（F_w）如何与本体网络的范畴结构相互作用？

主要发现

• 本文证明，具有特定态射的本体网络构成范畴，从而可应用如上拉等范畴构造。
• 正式定义了加权本体网络（NOO_W）范畴，其中态射同时保持本体包含关系与对齐置信度。
• 构建了阈值函子 F_w，根据置信度值过滤对齐，保持态射结构并支持模块化推理。
• 该框架支持通过范畴上拉操作定义修订算子与本体的一致性合并。
• 该抽象使得闭包与一致性推理可独立于对齐的底层语义进行。
• 该方法实现了语法结构与语义解释的解耦，支持在不同对齐语义间实现互操作性。