다양한 OWL-DL 추론 엔진에서 대용량 ABox 추론에 대한 성능평가

Abstract

Pellet 등 지금까지의 전형적인 추론 시스템들은 주로 Tableaux Algorithm 기반의 추론 시스템으로 Tableaux Algorithm의 특성상 대용량 ABox 추론에서 문제점을 나타낸다. 이를 해결하기 위한 연구로 Tableaux Algorithm 기반에 DBMS를 함께 사용한 영국 Manchester 대학의 Instance Store와 Disjunctive Datalog Approach를 사용한 독일 Karlsruhe 대학의 KAON2가 있다. 현재 추론 시스템들에 대한 벤치마크 실험은 대부분 Tableaux Algorithm 기반의 TBox 추론 위주이며 ABox 추론에 대한 평가는 거의 진행되지 않았다. 특히 최근 이슈로 부각된 (대용량 ABox 추론을 위한 추론 시스템)의 특성별 벤치마크 실험은 거의 보고되지 않았다. 이에 본 논문에서는 각 추론엔진들의 이론적 배경을 근간으로 전형적 추론엔진들과 최근 이슈에 따른 대용량 ABox를 위한 추론엔진들을 상호 비교를 통해 살펴보며 특히, 대용량 ABox 처리를 위한 추론엔진인 Manchester 대학의 Instance Store와 Karlsruhe 대학의 KAON2를 LUBM을 통하여 분석 평가함으로 사용자의 요구에 따른 대용량 ABox 추론엔진을 제시한다. 평가방법에서는 LUBM(Lehigh University BenchMark)에 대한 소개와 이를 이용한 벤치마크 실험 방법 및 평가 시스템에 대하여 소개한다. 본 논문은 결론을 통해 실험 결과와 각 추론엔진의 사용 Algorithm 특성을 기초로 다양한 환경에서의 대용량 ABox 처리에 적합한 추론엔진을 제시한다.