[论文解读] The Vadalog System: Datalog-based Reasoning for Knowledge Graphs

Luigi Bellomarini, Georg Gottlob+1 more|arXiv (Cornell University)|Jul 23, 2018

Semantic Web and Ontologies参考文献 49被引用 24

一句话总结

本文提出了 Vadalog，这是首个 Warded Datalog+± 的实现，一种支持知识图谱中递归推理和存在量化的可判定 Datalog 片段。通过利用先进的递归控制机制以及基于 Warded 森林结构的受限 chase 策略，Vadalog 实现了高性能和低内存占用，在复杂推理工作负载中优于现有系统。

ABSTRACT

Over the past years, there has been a resurgence of Datalog-based systems in the database community as well as in industry. In this context, it has been recognized that to handle the complex knowl\-edge-based scenarios encountered today, such as reasoning over large knowledge graphs, Datalog has to be extended with features such as existential quantification. Yet, Datalog-based reasoning in the presence of existential quantification is in general undecidable. Many efforts have been made to define decidable fragments. Warded Datalog+/- is a very promising one, as it captures PTIME complexity while allowing ontological reasoning. Yet so far, no implementation of Warded Datalog+/- was available. In this paper we present the Vadalog system, a Datalog-based system for performing complex logic reasoning tasks, such as those required in advanced knowledge graphs. The Vadalog system is Oxford's contribution to the VADA research programme, a joint effort of the universities of Oxford, Manchester and Edinburgh and around 20 industrial partners. As the main contribution of this paper, we illustrate the first implementation of Warded Datalog+/-, a high-performance Datalog+/- system utilizing an aggressive termination control strategy. We also provide a comprehensive experimental evaluation.

研究动机与目标

• 为解决 Warded Datalog+± 缺乏高性能、可扩展实现的问题，Warded Datalog+± 是一种支持本体推理和递归的可判定 Datalog 片段。
• 实现在大规模知识图谱上对存在量化和完整递归的支持，实现可 tractable 的 PTIME 复杂度推理。
• 克服现有系统的局限性，如基于 RDBMS 的 chase 和内存处理，这些方法导致高开销和内存膨胀。
• 开发一个支持真实世界知识图谱工作负载的系统，包括复杂的基于规则的推理以及与多种数据源的集成。
• 提供一个生产就绪、可扩展的平台，用于高级知识图谱推理，并支持未来扩展，如一致查询回答和视图更新。

提出的方法

• 系统基于 Warded 森林结构实现了一种受限 chase 策略，可高效检测同构事实并防止冗余规则触发。
• 采用提升线性森林表示法，以紧凑方式编码等价的事实模式，通过用单一模式表示多个同构组件来减少内存使用。
• 架构通过停止溯源和组件级同构性检查实施积极的终止控制，避免不必要的 chase 步骤。
• 避免将同态检查转换为 SQL 查询，与基于 RDBMS 的系统不同，从而消除了每步检查的高成本。
• 系统基于一种新型执行引擎构建，原生支持带存在量化的递归 Datalog 规则，利用 Warded Datalog+± 片段的理论保证。
• 支持与各种数据源（包括大数据平台和 API）的集成，并支持增量推理和查询优化。

实验结果

研究问题

• RQ1 能否实现一个高性能、可扩展的 Datalog+± 系统，支持完整递归和存在量化，同时确保可判定性和可 tractable 的数据复杂度？
• RQ2 如何优化 Warded Datalog+± 中的受限 chase 策略，以在实践中最小化内存使用和执行开销？
• RQ3 与基于 RDBMS 或内存的系统相比，原生实现的 Warded Datalog+± 在复杂推理工作负载中具有哪些性能优势？
• RQ4 在多大程度上可以利用 Warded 森林结构检测同构事实并防止冗余规则应用？
• RQ5 该系统在涉及复杂知识图谱推理任务的真实世界和合成基准上如何扩展？

主要发现

• Vadalog 是首个生产就绪的 Warded Datalog+± 实现，为知识图谱上可扩展、可判定的推理提供了实用解决方案。
• 与 ChaseFUN、DEM o、E 和 Pegasus 等现有系统相比，Vadalog 表现出色，这些系统或缺乏递归支持，或因低效的查询重写或后端依赖而性能不佳。
• 通过避免基于 SQL 的同态检查并使用组件级同构性检测，Vadalog 相较于基于 RDBMS 的系统显著降低了开销和内存占用。
• 通过使用带模式组件的提升线性森林，系统能够紧凑表示潜在庞大的同构事实集合，即使面对成千上万条事实，也仅需单个模式组件，从而大幅降低内存使用。
• 系统在真实世界和合成基准上均表现出具有竞争力的性能，证实了其递归控制和 chase 优化策略的有效性。
• Vadalog 支持与多种数据源的集成，并具备可扩展性，可用于未来增强功能，如一致查询回答和视图更新。