Decomposing ontology in Description Logics by graph partitioning
Résumé
In this paper, we investigate the problem of decomposing an ontology in Description Logics (DLs) based on graph partitioning algorithms. Also, we focus on syntax features of axioms in a given ontology. Our approach aims at decomposing the ontology into many sub ontologies that are as distinct as possible. We analyze the algorithms and exploit parameters of partitioning that influence the efficiency of computation and reasoning. These parameters are the number of concepts and roles shared by a pair of sub-ontologies, the size (the number of axioms) of each sub-ontology, and the topology of decomposition. We provide two concrete approaches for automatically decomposing the ontology, one is called minimal separator based partitioning, and the other is eigenvectors and eigenvalues based segmenting. We also tested on some parts of used TBoxes in the systems FaCT, Vedaall, tambis, ... and propose estimated results.
Dans cet article, nous étudions le problème de la décomposition d'une ontologie dans les logiques de description (DL) basés sur des algorithmes de partitionnement de graphe. Nous nous concentrons sur les particularités de syntaxe d'axiomes dans une ontologie donnée. Notre approche vise à décomposer l'ontologie dans un nombre d'ontologies telles qu'elles soient les plus distincts que possible. Nous analysons les algorithmes et exploitons les paramètres de partitionnement qui influencent l'efficacité du calcul et du raisonnement. Ces paramètres sont : le nombre de concepts et rôles partagés par une paire de sous-ontologies, la taille en nombre d'axiomes, de chaque sous-ontologie, et la topologie de la décomposition. Nous proposons deux approches concrètes pour décomposer automatiquement l'ontologie, l'une appelée "partitionnement par séparateur minimal" et l'autre appelée "partitionnement par vecteurs et valeurs propres" sur la base de segmentation. Enfin, nous avons effectué une évaluation de ces algorithmes sur certaines parties de TBoxes utilisées sur le moteur d'inférence FaCT : Vedaall, tambis, ... et étudié des résultats obtenus.
Origine | Fichiers produits par l'(les) auteur(s) |
---|
Loading...