特許7562334 | 知財ポータル「IP Force」

知財求人 - 知財ポータルサイト「IP Force」

青山学院大学 (神奈川県相模原市中央区淵野辺)

▶ ローベルト　ボツシユ　ゲゼルシヤフト　ミツト　ベシユレンクテル　ハフツングの特許一覧

特許7562334オントロジーベースのデータセットにおける矛盾に関する説明を計算するための方法

書誌要約請求の範囲詳細な説明課題実施例実施するための形態図面の説明

目に優しい文字サイズ小中大 PDF Top

< >

1
2
3
4
5a
5b
6
7
8

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-09-27

(45)【発行日】2024-10-07

(54)【発明の名称】オントロジーベースのデータセットにおける矛盾に関する説明を計算するための方法

(51)【国際特許分類】

G06N 5/04 20230101AFI20240930BHJP

【ＦＩ】

G06N5/04

【請求項の数】 14

【外国語出願】

(21)【出願番号】P 2020140054

(22)【出願日】2020-08-21

(65)【公開番号】P2021034054

(43)【公開日】2021-03-01

【審査請求日】2023-06-16

(31)【優先権主張番号】19193225

(32)【優先日】2019-08-23

(33)【優先権主張国・地域又は機関】EP

(73)【特許権者】

【識別番号】390023711

【氏名又は名称】ローベルトボツシユゲゼルシヤフトミツトベシユレンクテルハフツング

【氏名又は名称原語表記】ＲＯＢＥＲＴＢＯＳＣＨＧＭＢＨ

【住所又は居所原語表記】Ｓｔｕｔｔｇａｒｔ，Ｇｅｒｍａｎｙ

(74)【代理人】

【識別番号】100114890

【弁理士】

【氏名又は名称】アインゼル・フェリックス＝ラインハルト

(74)【代理人】

【識別番号】100098501

【弁理士】

【氏名又は名称】森田拓

(74)【代理人】

【識別番号】100116403

【弁理士】

【氏名又は名称】前川純一

(74)【代理人】

【識別番号】100134315

【弁理士】

【氏名又は名称】永島秀郎

(74)【代理人】

【識別番号】100135633

【弁理士】

【氏名又は名称】二宮浩康

(74)【代理人】

【識別番号】100162880

【弁理士】

【氏名又は名称】上島類

(72)【発明者】

【氏名】ダリアステパノヴァ

(72)【発明者】

【氏名】エフゲニーハルラモフ

(72)【発明者】

【氏名】ヤニクシュトレートゲン

(72)【発明者】

【氏名】モハメドガド－エルラブ

(72)【発明者】

【氏名】チュンキエンチャン

【審査官】宮司卓佳

(56)【参考文献】

【文献】米国特許出願公開第２００７／０１９８４４８（ＵＳ，Ａ１）

【文献】特開２０１０－２２４８３３（ＪＰ，Ａ）

【文献】特開２００１－０９２８２７（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１５／００１９２０７（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１５／０１５４１７８（ＵＳ，Ａ１）

【文献】Birte Glimm et al.，Scalable Reasoning by Abstraction Beyond DL-Lite，International Conference on Web Reasoning and Rule Systems，2016年08月26日，https://www.uni-ulm.de/fileadmin/website_uni_ulm/iui.inst.090/Publikationen/2016/GlKT16b.pdf

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｎ５／０４

(57)【特許請求の範囲】

【請求項1】

オントロジー（Ｏ）によって強化された第１のデータセット（ＫＧ）における矛盾説明（Ｅ）を計算するためのコンピュータ実装方法（１００）であって、
前記第１のデータセット（ＫＧ）は、個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）と称されるデータ要素と、前記個体に関するファクトとを含み、
前記ファクトは、オントロジー言語に従って、クラス表明（Ｃ（ａ），Ｃ（ｄ），Ｂ（ｆ），Ｂ（ｇ））及び／又はプロパティ表明（Ｒ（ａ，ｂ），Ｓ（ｄ，ｆ），Ｔ（ｆ，ｈ））の観点から表現され、
クラス表明は、１つの個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）をクラス（Ａ，Ｂ，Ｃ，Ｄ）に関連付けるものであり、プロパティ（Ｒ，Ｓ，Ｔ）は、２つの個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）の間の関係を指すものであり、プロパティ表明は、１つの個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）を第２の個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）に関連付けるものであり、
前記オントロジー（Ｏ）は、前記クラス（Ａ，Ｂ，Ｃ，Ｄ）及び／又は前記プロパティ（Ｒ，Ｓ，Ｔ）の形式的かつ明示的な記述を含み、さらに、前記クラス（Ａ，Ｂ，Ｃ，Ｄ）及び／又は前記プロパティ（Ｒ，Ｓ，Ｔ）に関する公理（ａｘ１，ａｘ２，ａｘ３）を含み、
当該方法は、
前記第１のデータセット（ＫＧ）の抽象的記述である第２のデータセット（ＫＧ’）を構築するステップ（１２０）と、
前記オントロジー（Ｏ）の前記公理に関して前記第２のデータセット（ＫＧ’）における矛盾説明（Ｅ’）を計算するステップ（１３０）と、
前記第２のデータセット（ＫＧ’）における前記計算された矛盾説明（Ｅ’）に基づいて、前記オントロジー（Ｏ）に関して前記第１のデータセット（ＫＧ）に関する矛盾説明（Ｅ）を計算するステップ（１４０）と、
を含み、
当該方法（１００）は、
前記第１のデータセット（ＫＧ）の前記データ要素を複数のモジュール（Ｍ）に分割するステップ（１１０）をさらに含み、
それぞれのモジュール（Ｍ）は、それぞれ１つの個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）に関連付けられていて、前記個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）のクラス表明（Ｃ（ａ），Ｃ（ｄ），Ｂ（ｆ），Ｂ（ｇ））及び／又はプロパティ表明（Ｒ（ａ，ｂ），Ｓ（ｄ，ｆ），Ｔ（ｆ，ｈ））の全体を含み、
前記第１のデータセット（ＫＧ）の抽象的記述である前記第２のデータセット（ＫＧ’）を構築する前記ステップ（１２０）は、前記モジュール（Ｍ）に基づいている、方法（１００）。

【請求項2】

前記第２のデータセット（ＫＧ’）を構築するステップ（１２０）は、
前記第１のデータセット（ＫＧ）の前記個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）に関する抽象的なクラス表明（Ａ（ｕ），Ｂ（ｗ），Ｃ（ｖ），Ｄ（ｘ））及び／又は抽象的なプロパティ表明（Ｒ（ｕ，ｖ），Ｓ（ｖ，ｗ），Ｔ（ｘ，ｗ））を構築すること
をさらに含み、
前記個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）の代表変数（ｕ，ｖ，ｗ，ｘ）に基づいて、
前記抽象的なクラス表明（Ａ（ｕ），Ｂ（ｗ），Ｃ（ｖ），Ｄ（ｘ））は、前記クラス表明（Ｃ（ａ），Ｃ（ｄ），Ｂ（ｆ），Ｂ（ｇ））の抽象的記述を含み、
及び／又は、
前記抽象的なプロパティ表明（Ｒ（ｕ，ｖ），Ｓ（ｖ，ｗ），Ｔ（ｘ，ｗ））は、前記プロパティ表明（Ｒ（ａ，ｂ），Ｓ（ｄ，ｆ），Ｔ（ｆ，ｈ））の抽象的記述を含み、
同様のクラス表明（Ｃ（ａ），Ｃ（ｄ），Ｂ（ｆ），Ｂ（ｇ））及び／又は同様のプロパティ表明（Ｒ（ａ，ｂ），Ｓ（ｄ，ｆ），Ｔ（ｆ，ｈ））の中に存在する個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）は、同等の代表変数（ｕ，ｖ，ｗ，ｘ）によって表現される、
請求項１に記載の方法（１００）。

【請求項3】

当該方法（１００）は、
前記個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）のうちの少なくとも１つに関する少なくとも１つのローカルタイプ（τ）、及び、前記少なくとも１つのローカルタイプに関する抽象（ａｂｓ（τ））を識別するステップ（１１２，１２２）
をさらに含み、
ローカルタイプ（τ）は、
前記個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）のクラス表明（Ｃ（ａ），Ｃ（ｄ），Ｂ（ｆ），Ｂ（ｇ））の中に存在するクラスの集合、
及び／又は、
前記個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）のプロパティ表明（Ｒ（ａ，ｂ），Ｓ（ｄ，ｆ），Ｔ（ｆ，ｈ））の中に存在するプロパティの集合
から成り、
前記少なくとも１つのローカルタイプ（τ）に関する前記抽象（ａｂｓ（τ））は、代表変数（ｕ，ｖ，ｗ，ｘ）に基づいている、
請求項１又は２に記載の方法（１００）。

【請求項4】

当該方法（１００）は、
前記少なくとも１つのローカルタイプ（τ）、及び、前記少なくとも１つのローカルタイプ（τ）に関する前記抽象（ａｂｓ（τ））を識別するステップ（１１２，１２２）の後に、
前記個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）のうちの少なくとも１つに関する少なくとも１つの優勢なローカルタイプ（τ’）、例えば最大のローカルタイプ（τ_ｍａｘ）、
及び、
前記優勢なローカルタイプ（τ’）に関する少なくとも１つの抽象（ａｂｓ（τ’））、例えば前記最大のローカルタイプ（τ_ｍａｘ）に関する抽象（ａｂｓ（τ_ｍａｘ））
を識別するステップ（１１４，１２４）をさらに含み、
優勢なローカルタイプ（τ’）は、当該優勢なローカルタイプ（τ’）におけるそれぞれのクラスの集合及び／又はそれぞれのプロパティの集合が、前記個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）のローカルタイプ（τ）における対応するクラスの集合及び／又は対応するプロパティの集合を含む場合に、前記個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）の前記ローカルタイプ（τ）よりも優勢であり、
前記優勢なローカルタイプ（τ’）に関する前記抽象（ａｂｓ（τ’））は、代表変数（ｕ，ｖ，ｗ，ｘ）に基づいている、
請求項３に記載の方法（１００）。

【請求項5】

前記第２のデータセット（ＫＧ’）を構築するステップ（１２０）は、
前記少なくとも１つの優勢なローカルタイプ（τ’）、及び、前記優勢なローカルタイプ（τ’）に関する前記抽象（ａｂｓ（τ’））を識別するステップ（１１４，１２４）の後に、
前記個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）のうちの少なくとも１つの優勢なローカルタイプに関する少なくとも１つの抽象（ａｂｓ（τ’））、例えば最大のローカルタイプに関する抽象（ａｂｓ（τ_ｍａｘ））を構築すること（１２６）
をさらに含み、
優勢なローカルタイプ（τ’）に関する前記抽象（ａｂｓ（τ’））及び／又は最大のローカルタイプ（τ_ｍａｘ）に関する前記抽象（ａｂｓ（τ_ｍａｘ））は、前記個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）の代表変数（ｕ，ｖ，ｗ，ｘ）に基づいており、
同様のクラス表明（Ｃ（ａ），Ｃ（ｄ），Ｂ（ｆ），Ｂ（ｇ））及び／又は同様のプロパティ表明（Ｒ（ａ，ｂ），Ｓ（ｄ，ｆ），Ｔ（ｆ，ｈ））の中に存在する個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）は、同等の代表変数（ｕ，ｖ，ｗ，ｘ）によって表現される、
請求項４に記載の方法（１００）。

【請求項6】

前記第２のデータセット（ＫＧ’）における矛盾説明（Ｅ’）を計算する前記ステップ（１３０）は、
優勢なローカルタイプ（τ’）に関する前記抽象（ａｂｓ（τ’））における矛盾説明（Ｅ’）、例えば、最大のローカルタイプ（τ_ｍａｘ）に関する前記抽象（ａｂｓ（τ_ｍａｘ））及び／又はローカルタイプ（τ）に関する前記抽象（ａｂｓ（τ））における矛盾説明（Ｅ’）を計算すること（１３２）
をさらに含む、
請求項４又は５に記載の方法（１００）。

【請求項7】

当該方法（１００）は、
前記第１のデータセット（ＫＧ）に関する矛盾説明（Ｅ）及び／又は前記第２のデータセット（ＫＧ’）に関する矛盾説明（Ｅ’）を、理解可能な形式で出力するステップをさらに含む、
請求項１乃至６のいずれか一項に記載の方法（１００）。

【請求項8】

前記第１のデータセット（ＫＧ）に関する矛盾説明（Ｅ）は、前記第２のデータセット（ＫＧ’）に関する対応する矛盾説明（Ｅ’）から取得される、
請求項１乃至７のいずれか一項に記載の方法（１００）。

【請求項9】

前記第１のデータセット（ＫＧ）及び／又は前記オントロジー（Ｏ）は、ウェブ・オントロジー言語、即ち、ＯＷＬ２のようなＷ３Ｃウェブ・オントロジー言語ＯＷＬに基づいて定義される、
請求項１乃至８のいずれか一項に記載の方法（１００）。

【請求項10】

前記第１のデータセット（ＫＧ）を強化する前記オントロジー（Ｏ）は、ＯＷＬ２の公理の以下の公理：
クラスＣがクラスＤのサブクラスであることを指定するサブクラス公理SubClassOf(C,D)、
ＰがＳのサブプロパティであることを指定するサブプロパティ公理SubObjectPropertyOf(P,S)、又は、
推移的プロパティ公理TransitiveObjectProperty(P)、
のうちの少なくとも１つを含み、
ｉ∈｛１，２｝であるＣ_（ｉ）及びＰ_（ｉ）は、以下の文法定義：

【数1】

を満たしており、ここで、Ｒは、プロパティ名、Ａは、クラス名である、
請求項９に記載の方法（１００）。

【請求項11】

コンピュータプログラムコードを含むコンピュータプログラムであって、
当該コンピュータプログラムコードは、コンピュータ上で実行されるときに、前記コンピュータが請求項１乃至１０のいずれか一項に記載の方法（１００）を実施し得るようにする、
コンピュータプログラム。

【請求項12】

オントロジー（Ｏ）によって強化された第１のデータセット（ＫＧ）における矛盾説明（Ｅ）を計算するための装置（２００）であって、
前記第１のデータセット（ＫＧ）は、個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）と称されるデータ要素と、前記個体に関するファクトとを含み、
前記ファクトは、オントロジー言語に従って、クラス表明（Ｃ（ａ），Ｃ（ｄ），Ｂ（ｆ），Ｂ（ｇ））及び／又はプロパティ表明（Ｒ（ａ，ｂ），Ｓ（ｄ，ｆ），Ｔ（ｆ，ｈ））の観点から表現され、
クラス表明は、１つの個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）をクラス（Ａ，Ｂ，Ｃ，Ｄ）に関連付けるものであり、プロパティ（Ｒ，Ｓ，Ｔ）は、２つの個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）の間の関係を指すものであり、プロパティ表明は、１つの個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）を第２の個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）に関連付けるものであり、
前記オントロジー（Ｏ）は、前記クラス（Ａ，Ｂ，Ｃ，Ｄ）及び／又は前記プロパティ（Ｒ，Ｓ，Ｔ）の形式的かつ明示的な記述を含み、さらに、前記クラス（Ａ，Ｂ，Ｃ，Ｄ）及び／又は前記プロパティ（Ｒ，Ｓ，Ｔ）に関する公理（ａｘ１，ａｘ２，ａｘ３）を含み、
当該装置（２００）は、
前記第１のデータセット（ＫＧ）の前記データ要素を保存するための手段（１０）と、
前記第１のデータセット（ＫＧ）の前記データ要素を複数のモジュール（Ｍ）に分割する（１１０）ための手段（２０）と、
前記第１のデータセット（ＫＧ）の抽象的記述である第２のデータセット（ＫＧ’）を構築する（１２０）ための手段（３０）と、
前記オントロジー（Ｏ）の前記公理に関して前記第２のデータセット（ＫＧ’）における矛盾説明（Ｅ’）を計算する（１３０）ための手段（５０）と、
前記第２のデータセット（ＫＧ’）における前記計算された矛盾説明（Ｅ’）に基づいて、前記オントロジー（Ｏ）に関して前記第１のデータセット（ＫＧ）に関する矛盾説明（Ｅ）を計算する（１４０）ための手段（７０）と、
を含み、
それぞれのモジュール（Ｍ）は、それぞれ１つの個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）に関連付けられていて、前記個体（ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ）のクラス表明（Ｃ（ａ），Ｃ（ｄ），Ｂ（ｆ），Ｂ（ｇ））及び／又はプロパティ表明（Ｒ（ａ，ｂ），Ｓ（ｄ，ｆ），Ｔ（ｆ，ｈ））の全体を含み、
前記第２のデータセット（ＫＧ’）を構築する（１２０）ための前記手段（３０）は、前記モジュール（Ｍ）に基づいて、前記第２のデータセット（ＫＧ’）を構築する（１２０）ように構成されている、装置（２００）。

【請求項13】

請求項２乃至１０のいずれか一項に記載の方法を実行するための手段をさらに含む、請求項１２に記載の装置（２００）。

【請求項14】

オントロジー（Ｏ）によって強化された第１のデータセット（ＫＧ）のデータクリーニングのための、請求項１乃至１０のいずれか一項に記載の方法（１００）の使用、及び／又は、請求項１１に記載のコンピュータプログラムの使用、及び／又は、請求項１２又は１３に記載の装置（２００）の使用。

【発明の詳細な説明】

【技術分野】

【0001】

背景
知識グラフは、主に（実世界の）エンティティと、これらのエンティティ同士の関係とを記述することにより、知識をグラフベースで表現するために使用される。

【0002】

本発明は、そのような知識グラフにおける矛盾説明（inconsistency explanation）を計算するためのコンピュータ実装方法に関する。

【背景技術】

【0003】

知識グラフは、知識グラフにおけるデータを記述するクラス及び関係を定義するスキーマ公理から成るオントロジーによって強化されることが多い。

【0004】

知識グラフは、例えば、テキストから自動的に構築されることが多く、従って、付随するオントロジーに関して矛盾することが多い。矛盾説明を計算するためには、論理的推論が必要とされるが、これは、計算量が多いので、数百万及び数十億のファクトを含み得る大規模な実世界の知識グラフの場合には問題となる。

【発明の概要】

【発明が解決しようとする課題】

【0005】

発明の開示
従って、本発明の課題は、本明細書においては第１のデータセットと称される大規模な知識グラフにおける矛盾説明を計算するための方法を提供することである。

【課題を解決するための手段】

【0006】

本発明の１つの実施形態によれば、オントロジーによって強化された第１のデータセットにおける矛盾説明を計算するためのコンピュータ実装方法であって、第１のデータセットは、個体と称されるデータ要素と、上記個体に関するファクトとを含み、上記ファクトは、オントロジー言語に従って、クラス表明及び／又はプロパティ表明の観点から表現され、クラス表明は、１つの個体をクラスに関連付けるものであり、プロパティ表明は、１つの個体を第２の個体に関連付けるものであり、オントロジーは、上記クラス及び／又は上記プロパティの形式的かつ明示的な記述を含み、さらに、上記クラス及び／又は上記プロパティに関する公理を含み、当該方法は、上記第１のデータセットの抽象的記述である第２のデータセットを構築するステップと、上記オントロジーの上記公理に関して上記第２のデータセットにおける矛盾説明を計算するステップと、上記第２のデータセットにおける上記計算された矛盾説明に基づいて、上記オントロジーに関して上記第１のデータセットに関する矛盾説明を計算するステップとを含む、方法が提供される。

【0007】

第１のデータセットは、エンティティに関する複数のファクトを含み、以下においては、上記エンティティに関する単項ファクト及び／又は二項ファクトとも称され、単項ファクトは、個体をクラスに割り当てるものであり、二項ファクトは、１つの個体を他の個体に関連付けるものである。

【0008】

オントロジーは、それぞれの議論領域を実体化する個体、クラス及びプロパティの表現、形式的な名前及び定義を包含する。オントロジーは、クラス及び／又はプロパティの形式的かつ明示的な記述と、上記クラス及び／又はプロパティに関する公理とを含む。

【0009】

矛盾とは、第１のデータセットにおける１つ又は複数のファクトと、オントロジーにおける１つ又は複数の公理との間に相反が存在することを意味する。

【0010】

好ましくは、第１のデータセットＫＧの抽象、即ち、第２のデータセットは、元の第１のデータセットよりも小さい。

【0011】

好ましくは、上記オントロジーの上記公理に関して上記第２のデータセットにおける矛盾説明を計算するステップは、推論エンジン、ルールエンジンとして、又は、単に推論機構としても知られるセマンティック推論機構により、上記ファクトと、公理とから論理結果を推論することによって実行される。

【0012】

上記第２のデータセットにおける上記計算された矛盾説明に基づいて、上記第１のデータセットに関する矛盾説明を計算するステップは、上記第２のデータセットにおける計算された矛盾説明から、上記第１のデータセットに関する矛盾説明を再構築することである。

【0013】

本方法は、矛盾が存在するかどうかを判別するために、第１のデータセットの抽象を使用して矛盾説明を効率的に計算する。さらに、本方法は、第１のデータセットに関する矛盾説明を計算するために抽象を使用する。

【0014】

１つの実施形態によれば、第２のデータセットを構築するステップは、上記第１のデータセットの上記個体に関する抽象的なクラス表明及び／又は抽象的なプロパティ表明を構築することをさらに含み、上記個体の代表変数に基づいて、上記抽象的なクラス表明は、上記クラス表明の抽象的記述を含み、及び／又は、上記抽象的なプロパティ表明は、上記プロパティ表明の抽象的記述を含み、同様のクラス表明及び／又は同様のプロパティ表明の中に存在する個体は、同等の代表変数によって表現される。

【0015】

好ましくは、当該方法は、個体のうちの少なくとも１つに関する少なくとも１つのローカルタイプ、及び／又は、少なくとも１つのローカルタイプに関する抽象を識別するステップをさらに含み、ローカルタイプは、上記個体のクラス表明の中に存在するクラスの集合、及び／又は、上記個体のプロパティ表明の中に存在するプロパティの集合から成り、少なくとも１つのローカルタイプに関する抽象は、代表変数に基づいている。好ましくは、少なくとも１つのローカルタイプに関する抽象は、スター形状の抽象である。

【0016】

好ましくは、当該方法は、個体のうちの少なくとも１つに関する少なくとも１つの優勢なローカルタイプ、例えば最大のローカルタイプ及び／又は優勢なローカルタイプに関する少なくとも１つの抽象、例えば最大のローカルタイプに関する抽象を識別するステップをさらに含み、優勢なローカルタイプは、当該優勢なローカルタイプにおけるそれぞれのクラスの集合及び／又はそれぞれのプロパティの集合が、上記個体のローカルタイプにおける対応するクラスの集合及び／又は対応するプロパティの集合を含む場合に、上記個体のローカルタイプよりも優勢であり、優勢なローカルタイプに関する抽象は、代表変数に基づいている。上記第１のデータセットにおける或る１つの個体の最大のローカルタイプは、上記第１のデータセットにおける他の個体の他のローカルタイプが存在しないために、当該ローカルタイプにおけるそれぞれの集合が、当該最大のローカルタイプにおける対応する集合の適当な上位集合となるような場合に、最大となる。

【0017】

好ましくは、第２のデータセットを構築するステップは、個体のうちの少なくとも１つの優勢なローカルタイプに関する少なくとも１つの抽象、例えば最大のローカルタイプに関する抽象を構築することをさらに含み、優勢なローカルタイプに関する抽象及び／又は最大のローカルタイプに関する抽象は、上記個体の代表変数に基づいており、同様のクラス表明及び／又は同様のプロパティ表明の中に存在する個体は、同等の代表変数によって表現される。

【0018】

好ましくは、上記第２のデータセットにおける矛盾説明を計算するステップは、優勢なローカルタイプに関する上記抽象における矛盾説明、例えば、最大のローカルタイプに関する上記抽象及び／又はローカルタイプに関する上記抽象における矛盾説明を計算することをさらに含む。

【0019】

好ましくは、当該方法は、上記第１のデータセットの上記データ要素を複数のモジュールに分割するステップをさらに含み、それぞれのモジュールは、それぞれ１つの個体に関連付けられていて、上記個体のクラス表明及び／又はプロパティ表明の全体を含み、上記第１のデータセットの抽象的記述である上記第２のデータセットを構築するステップは、上記モジュールに基づいている。

【0020】

好ましくは、当該方法は、上記第１のデータセットに関する矛盾説明及び／又は上記第２のデータセットに関する矛盾説明を、理解可能な形式で出力するステップをさらに含む。

【0021】

好ましくは、上記第１のデータセットに関する矛盾説明は、上記第２のデータセットに関する対応する矛盾説明から取得される。第１のデータセットの対応する説明は、第２のデータセットの説明から、第２のデータセットの説明における代表変数と同等のローカルタイプを有する、第１のデータセットにおける個体を識別することによって取得される。

【0022】

好ましくは、第１のデータセット及び／又はオントロジーは、ウェブ・オントロジー言語、即ち、ＯＷＬ２のようなＷ３Ｃウェブ・オントロジー言語ＯＷＬに基づいて定義される。

【0023】

好ましくは、第１のデータセットを強化するオントロジーは、ＯＷＬ２の公理の以下の公理：クラスＣがクラスＤのサブクラスであることを指定するサブクラス公理SubClassOf(C,D)、ＰがＳのサブプロパティであることを指定するサブプロパティ公理SubObjectPropertyOf(P,S)、又は、推移的プロパティ公理TransitiveObjectProperty(P)、のうちの少なくとも１つを含み、ｉ∈｛１，２｝であるＣ_（ｉ）及びＰ_（ｉ）は、以下の文法定義：

【数1】

を満たしており、ここで、Ｒは、プロパティ名、Ａは、クラス名である。

【0024】

本発明は、コンピュータプログラムコードを含むコンピュータプログラムであって、当該コンピュータプログラムコードは、コンピュータ上で実行されるときに、上記コンピュータが前述した実施形態のいずれかによる方法を実施し得るようにする、コンピュータプログラムにも関する。

【0025】

本発明は、オントロジーによって強化された第１のデータセットにおける矛盾説明を計算するための装置であって、第１のデータセットは、個体と称されるデータ要素と、上記個体に関するファクトとを含み、上記ファクトは、オントロジー言語に従って、クラス表明及び／又はプロパティ表明の観点から表現され、クラス表明は、１つの個体をクラスに関連付けるものであり、プロパティ表明は、１つの個体を第２の個体に関連付けるものであり、オントロジーは、上記クラス及び／又は上記プロパティの形式的かつ明示的な記述を含み、さらに、上記クラス及び／又は上記プロパティに関する公理を含み、当該装置は、上記第１のデータセットの抽象的記述である第２のデータセットを構築するための手段と、上記オントロジーの上記公理に関して上記第２のデータセットにおける矛盾説明を計算するための手段と、上記第２のデータセットにおける上記計算された矛盾説明に基づいて、上記オントロジーに関して上記第１のデータセットに関する矛盾説明を計算するための手段とを含む、装置にも関する。

【0026】

好ましくは、本装置は、前述した実施形態のいずれかによる方法を実行するための手段をさらに含む。

【0027】

本発明は、オントロジーによって強化された第１のデータセットのデータクリーニングのための、前述した実施形態のいずれかによる方法、及び／又は、前述した実施形態のいずれかによる装置、及び／又は、前述した実施形態のいずれかによるコンピュータプログラムの使用にも関する。

【0028】

本発明のさらなる発展形態は、図面を参照しながら以下に記載されている。

【図面の簡単な説明】

【0029】

【図1】１つの実施形態による、第１のデータセットにおける矛盾説明を計算するための方法の概略的なフロー図である。

【図2】他の実施形態による、第１のデータセットにおける矛盾説明を計算するための方法の概略的なフロー図である。

【図3】他の実施形態による、第１のデータセットにおける矛盾説明を計算するための方法の概略的なフロー図である。

【図4】第１のデータセットにおける矛盾説明を計算するためのデータ及び処理の概略的なフロー図である。

【図5a】第１のデータセットの抜粋を概略的に示す図である。

【図5b】オントロジーの抜粋を概略的に示す図である。

【図6】第２のデータセットの抜粋と、第２のデータセットの矛盾に関する説明における表明と、オントロジーに関する第１のデータセットに関する種々の矛盾説明における表明とを概略的に示す図である。

【図7】第１のデータセットにおける矛盾説明を計算するための種々のアプローチを比較した結果を示す表である。

【図8】矛盾の説明の分布を概略的に示す図である。

【発明を実施するための形態】

【0030】

図１乃至図３は、オントロジーＯによって強化された知識グラフＫＧとも称される第１のデータセットにおける矛盾説明Ｅを計算するための方法１００の種々の実施形態を示している。

【0031】

図５ａは、例示的な第１のデータセットＫＧの抜粋を示している。第１のデータセットＫＧは、複数のデータエンティティを含み、これらのデータエンティティには、個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈと、クラスＡ，Ｂ，Ｃ，Ｄと称されるタイプと、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈに関するプロパティＲ，Ｓ，Ｔと称される関係とが含まれる。

【0032】

ファクトは、オントロジー言語に従って、クラス表明、例えばＣ（ａ），Ｃ（ｄ），Ｂ（ｆ），Ｂ（ｇ）、及び／又は、プロパティ表明、例えばＲ（ｂ，ａ），Ｓ（ｄ，ｆ）の観点から表現され、単項ファクトとも称されるクラス表明、例えばＣ（ａ）は、１つの個体ａをクラスＣに関連付けるものであり、二項ファクトとも称されるプロパティ表明、例えばＲ（ｂ，ａ）は、個体ｂを第２の個体ａに関連付けるものであり、ここで、Ａ，Ｂ，Ｃ，Ｄ∈Ｎ_Ｃであり、なお、Ｎ_Ｃは、クラス名の集合であり、Ｒ，Ｓ，Ｔ∈Ｎ_Ｐであり、なお、Ｎ_Ｐは、プロパティ名の集合であり、ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈ∈Ｎ_Ｉであり、なお、Ｎ_Ｉは、名前付き個体の集合、又は、簡単に言えば個体の集合である。

【0033】

エンティティは、個体、クラス又はプロパティを指す。個体は、インスタンス又はオブジェクトのような具体的なものを指し、例えば、McAfee，Nokia，Finland，Asiaである。クラスは、同等のプロパティを有する個体の集団を指し、例えば、Company，Popular Name，City，Countryである。プロパティは、２つの個体の間の関係を指し、例えば、hasCustomer，isCityOf，locatedInである。

【0034】

好ましくは、集合Ｎ_Ｃ，Ｎ_Ｐ，Ｎ_Ｉは、互いに素な可算集合である。従って、第１のデータセットＫＧは、Ｃ（ａ）の形式の単項ファクト及びＲ（ａ，ｃ）の形式の二項ファクトの有限集合である。

【0035】

オントロジーＯは、それぞれの議論領域を実体化する個体、クラス及びプロパティの表現、形式的な名前及び定義を包含する。オントロジーＯは、クラス及び／又はプロパティの形式的かつ明示的な記述と、上記クラス及び／又はプロパティに関する公理とを含む。

【0036】

１つの実施形態によれば、第１のデータセットＫＧ及び／又はオントロジーＯは、ウェブ・オントロジー言語、即ち、ＯＷＬ２のようなＷ３Ｃウェブ・オントロジー言語ＯＷＬに基づいて定義される。Ｗ３Ｃウェブ・オントロジー言語ＯＷＬは、モノと、モノのグループと、モノ同士の間の関係とに関する豊富で複雑な知識を表現するように設計されている。ＯＷＬは、計算論理ベースの言語であるので、ＯＷＬで表現された知識をコンピュータプログラムが活用することができる。ウェブ・オントロジー言語ＯＷＬ２に関するさらなる仕様については、https://www.w3.org/TR/owl2-overview/を参照されたい。

【0037】

好ましくは、第１のデータセットＫＧ及び／又はオントロジーＯのセマンティクスは、ＯＷＬ２ダイレクトモデル理論セマンティクスを使用して解釈によって定義され、ここで、ダイレクトモデルセマンティクスについては、https://www.w3.org/TR/owl2-direct-semantics/を参照されたい。

【0038】

１つの実施形態によれば、第１のデータセットＫＧ及び第２のデータセットＫＧ’に付随するオントロジーは、以下のＯＷＬ２公理、即ち、クラスＣがクラスＤのサブクラスであることを指定するサブクラス公理SubClassOf(C,D)、ＰがＳのサブプロパティであることを指定するサブプロパティ公理SubObjectPropertyOf(P,S)、又は、推移的プロパティ公理TransitiveObjectProperty(P)、のうちの少なくとも１つを含み、ｉ∈｛１，２｝であるＣ_（ｉ）及びＰ_（ｉ）は、以下の文法定義、即ち、

【数2】

を満たしており、ここで、Ｒは、プロパティ名、Ａは、クラス名である。

【0039】

有利には、使用されるオントロジー言語ＯＷＬ２により、以下の公理DisjointClasses，InverseObjectProperties，ObjectPropertyDomain，ObjectPropertyRangeのうちの少なくとも１つを表現可能である。さらに、使用される言語により、DisjointClasses，InverseObjectProperties，ObjectPropertyDomain，ObjectPropertyRangeのような、他の種類の重要なＯＷＬ２公理を表現可能である。例えば、図５ｂの公理ObjectPropertyRange(hasCustomer, Company)は、SubClassOf(ObjectSomeValuesFrom(ObjectInverseOf(hasCustomer),owl:Thing), Company)によって同等に表現可能である。

【0040】

図５ｂは、例示的に３つの公理ａｘ１，ａｘ２，ａｘ３を含む、ＯＷＬ２に基づいて定義された検討対象のオントロジーＯの抜粋を示している。図５ｂによれば、公理ａｘ１は、プロパティhasCustomerの値域がクラスCompanyであることを定義する。公理ａｘ２は、isCityOfの定義域がクラスCityであることを定義し、公理ａｘ３は、クラスCityと、クラスCompanyと、クラスCountryとが互いに素であることを定義する。

【0041】

第１のデータセットＫＧは、ＫＧ∪Ｏのモデルが存在しない場合、オントロジーＯに関して矛盾している。好ましくは、オントロジーＯ自体は、無矛盾である。第１のデータセットＫＧは、ＫＧの少なくとも１つのファクトがＯの少なくとも１つの公理に相反する場合、オントロジーＯに関して矛盾している。

【0042】

ここで、図５ａが参照され、特に、“McAfee hasCustomer Toyota”及び“Toyota isCityOf Japan”を言明する第１のデータセットＫＧの一部が参照される。Ｏの公理ａｘ１は、プロパティhasCustomerの値域がCompanyであることを定義する。従って、Toyotaは、Companyであるとみなされる。ａｘ２は、isCityOfの定義域がCityであることを定義する。従って、Toyotaは、Cityであるみなされる。ａｘ３によれば、CityとCompanyとは、素のクラスである。このように、“McAfee hasCustomer Toyota”及び“Toyota isCityOf Japan”を言明する第１のデータセットＫＧの特定の部分は、オントロジーＯに関して、特に、公理ａｘ１，ａｘ２，ａｘ３に関して矛盾している。

【0043】

Ｅ_ＫＧ⊆ＫＧ及びＥ_Ｏ⊆ＯであるＥ＝Ｅ_ＫＧ∪Ｅ_Ｏによって示される、ＫＧ∪Ｏの矛盾に関する説明Ｅは、ＫＧ∪Ｏの矛盾した部分集合を包含する最小の部分集合である。

【0044】

図５ｂの３つのオントロジー公理ａｘ１，ａｘ２，ａｘ３と組み合わせた、“McAfee hasCustomer Toyota”及び“Toyota isCityOf Japan”を言明する第１のデータセットＫＧの特定の部分は、図６に示されるような矛盾説明である。

【0045】

このような矛盾説明Ｅの計算は、数百万及び数十億のファクトを含み得る大規模な実世界の知識グラフの場合には、計算量が多い。大規模な第１のデータセットＫＧにおける矛盾説明Ｅを計算するための方法１００は、図１を参照しながら記載されており、図１は、オントロジーＯに関して第１のデータセットＫＧにおける矛盾説明Ｅを計算するための方法１００の概略的なフロー図である。

【0046】

方法１００のステップ１２０において、上記第１のデータセットＫＧの抽象とも称される、抽象的記述である第２のデータセットＫＧ’が構築される。

【0047】

第２のデータセットＫＧ’は、第１のデータセットＫＧの圧縮された表現であり、オントロジーＯに関して、以下の要件が満たされている。

【0048】

要件Ｒ１：ＫＧ’は、ＫＧの無矛盾性を保持する。即ち、第１のデータセットＫＧは、第１のデータセットＫＧの抽象がオントロジーＯに関して無矛盾である場合に限り、オントロジーＯに関して無矛盾である。

【0049】

要件Ｒ２：ＫＧ’は、ＫＧの説明を保持する。即ち、抽象に関する矛盾説明、即ち、第２のデータセットＫＧ’を使用して、第１のデータセットＫＧに関する総ての矛盾説明を取得することができる。

【0050】

オントロジーＯに関して、第１のデータセットＫＧに対して直接的に、無矛盾性をチェックし、説明を計算するのではなく、これらの演算は、第１のデータセットＫＧの抽象に対して、即ち、第２のデータセットＫＧ’に対して実行される。要件Ｒ１，Ｒ２は、提示される本方法の正確性を保証している。

【0051】

好ましくは、第１のデータセットＫＧの抽象、即ち、第２のデータセットＫＧ’は、元の第１のデータセットＫＧよりも小さい。

【0052】

好ましくは、第２のデータセットＫＧ’を構築するステップ１２０は、上記第１のデータセットＫＧの上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈに関する抽象的なクラス表明、例えばＡ（ｕ），Ｂ（ｗ），Ｃ（ｖ），Ｄ（ｘ）、及び／又は、抽象的なプロパティ表明Ｒ（ｕ，ｖ），Ｓ（ｖ，ｗ），Ｔ（ｘ，ｗ）を構築することをさらに含み、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈの代表変数ｕ，ｖ，ｗ，ｘに基づいて、上記抽象的なクラス表明Ａ（ｕ），Ｂ（ｗ），Ｃ（ｖ），Ｄ（ｘ）は、上記クラス表明Ｃ（ａ），Ｃ（ｄ），Ｂ（ｆ），Ｂ（ｇ）の抽象的記述を含み、及び／又は、上記抽象的なプロパティ表明Ｒ（ｕ，ｖ），Ｓ（ｖ，ｗ），Ｔ（ｘ，ｗ）は、上記プロパティ表明Ｒ（ａ，ｂ），Ｓ（ｄ，ｆ），Ｔ（ｆ，ｈ）の抽象的記述を含み、同様のクラス表明Ｃ（ａ），Ｃ（ｄ），Ｂ（ｆ），Ｂ（ｇ）及び／又は同様のプロパティ表明Ｒ（ａ，ｂ），Ｓ（ｄ，ｆ），Ｔ（ｆ，ｈ）の中に存在する個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈは、同等の代表変数ｕ，ｖ，ｗ，ｘによって表現され、ここで、Ａ，Ｂ，Ｃ，Ｄ∈Ｎ_Ｃであり、なお、Ｎ_Ｃは、クラス名の集合であり、Ｒ，Ｓ，Ｔ∈Ｎ_Ｐであり、なお、Ｎ_Ｐは、プロパティ名の集合であり、ｕ，ｖ，ｗ，ｘ∈Ｎ_Ｖであり、なお、Ｎ_Ｖは、変数である個体の可算集合である。好ましくは、Ｎ_Ｖは、Ｎ_Ｃ，Ｎ_Ｐ，Ｎ_Ｉとは素である。

【0053】

第２のデータセットＫＧ’は、第１のデータセットＫＧの抽象的記述である。従って、第２のデータセットＫＧ’は、例えばＡ（ｕ），Ｂ（ｗ），Ｃ（ｖ），Ｄ（ｘ）の形式の単項ファクト及びＲ（ｕ，ｖ），Ｓ（ｖ，ｗ），Ｔ（ｘ，ｗ）の形式の二項ファクトのような、代表変数の概念表明及び／又はプロパティ表明の有限集合である。

【0054】

図５ａの第１のデータセットＫＧの抽象である第２のデータセットＫＧ’においては、例えば、個体ｄであるToyotaと、個体ａであるNokiaとが、代表変数ｖによって表現されており、この場合、この代表変数ｖは、クラスＣであるPopular Nameの総ての個体のための変数であり、入ってくる関係hasCustomerと、出ていく関係isCityOfとを有する。

【0055】

ステップ１３０において、上記オントロジーＯに関する上記第２のデータセットＫＧ’における矛盾説明Ｅ’が計算される。

【0056】

好ましくは、上記オントロジーの上記公理に関して上記第２のデータセットにおける矛盾を計算するステップ１３０は、推論エンジン、ルールエンジンとして、又は、単に推論機構としても知られるセマンティック推論機構により、第２のデータセットＫＧ’のデータ要素と、オントロジーＯの公理、例えばａｘ１，ａｘ２，ａｘ３とから論理結果を推論することによって実行される。

【0057】

ステップ１４０において、上記第２のデータセットＫＧ’における上記計算された矛盾説明Ｅ’に基づいて、上記第１のデータセットＫＧに関する矛盾説明Ｅが計算される。

【0058】

１つの実施形態によれば、本方法は、上記第１のデータセットＫＧの上記データ要素を複数のモジュールＭに分割する任意選択的なステップ１１０を含み、それぞれのモジュールＭは、それぞれ１つの個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈに関連付けられていて、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのクラス表明及び／又はプロパティ表明の全体αを含み、上記第１のデータセットＫＧの抽象的記述である上記第２のデータセットＫＧ’を構築するステップは、上記モジュールＭに基づいている。

【0059】

ＫＧに関する個体ａのモジュールＭは、ａが関与するファクトの集合αであり、即ち、Ｍ（ａ，ＫＧ）＝｛α｜α∈ＫＧであり、ａは、αの中に存在する｝。図５ａを参照すると、Nokiaのモジュールは、Ｍ（Nokia，ＫＧ）＝｛PopularName（Nokia），hasCustomer （McAfee，Nokia），isCityOf（Nokia，Finland）｝＝｛Ｃ（ａ），Ｒ（ｂ，ａ），Ｓ（ａ，ｇ）｝である。

【0060】

図２は、さらなる実施形態による方法１００のフロー図を概略的に示している。

【0061】

ステップ１１２において、第１のデータセットＫＧにおける個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのうちの少なくとも１つに関する少なくとも１つのローカルタイプτが識別され、ローカルタイプτは、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのクラス表明Ｃ（ａ），Ｃ（ｄ），Ｂ（ｆ），Ｂ（ｇ）の中に存在するクラスの集合、及び／又は、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのプロパティ表明Ｒ（ａ，ｂ），Ｓ（ｄ，ｆ），Ｔ（ｆ，ｈ）の中に存在するプロパティの集合から成る。

【0062】

第１のデータセットＫＧの個体ａのローカルタイプτであるτ（ａ，ＫＧ）、又は、文脈からＫＧが明白である場合には、単にτ（ａ）は、τ（ａ）＝＜τ_ｉ（ａ），τ_ｃ（ａ），τ_ｏ（ａ）＞によって定義され、ここで、τ_ｉ（ａ）＝｛Ｒ｜Ｒ（ｃ，ａ）∈ＫＧ｝であり、τ_ｃ（ａ）＝｛Ａ｜Ａ（ａ）∈ＫＧ｝であり、τ_ｏ（ａ）＝｛Ｓ｜Ｓ（ａ，ｂ）∈ＫＧ｝である。

【0063】

ステップ１１４において、個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのうちの少なくとも１つに関する少なくとも１つの優勢なローカルタイプτ’、例えば最大のローカルタイプτ_ｍａｘが識別され、優勢なローカルタイプτ’は、当該優勢なローカルタイプτ’におけるそれぞれのクラスの集合及び／又はそれぞれのプロパティの集合が、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのローカルタイプτにおける対応するクラスの集合及び／又は対応するプロパティの集合を含む場合に、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのローカルタイプτよりも優勢となる。上記第１のデータセットＫＧにおける或る１つの個体の最大のローカルタイプτ_ｍａｘは、上記第１のデータセットＫＧにおける他の個体の他のローカルタイプτが存在しないために、当該ローカルタイプτにおけるそれぞれの集合が、当該最大のローカルタイプτ_ｍａｘにおける対応する集合の適当な上位集合となるような場合に、最大となる。

【0064】

ステップ１２６において、個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのうちの少なくとも１つの少なくとも１つの優勢なローカルタイプに関する少なくとも１つの抽象ａｂｓ（τ’）、例えば最大のローカルタイプに関する抽象ａｂｓ（τ_ｍａｘ）が構築され、優勢なローカルタイプτ’に関する抽象ａｂｓ（τ’）及び／又は最大のローカルタイプτ_ｍａｘに関する抽象ａｂｓ（τ_ｍａｘ）は、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈの代表変数ｕ，ｖ，ｗ，ｘに基づいており、同様のクラス表明Ｃ（ａ），Ｃ（ｄ），Ｂ（ｆ），Ｂ（ｇ）及び／又は同様のプロパティ表明Ｒ（ａ，ｂ），Ｓ（ｄ，ｆ），Ｔ（ｆ，ｈ）の中に存在する個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈは、同等の代表変数ｕ，ｖ，ｗ，ｘによって表現される。

【0065】

好ましくは、抽象ａｂｓ（τ’）及び／又は抽象ａｂｓ（τ_ｍａｘ）は、スター形状を含む。

【0066】

ローカルタイプτに関する抽象は、

【数3】

によって定義され、ここで、

【数4】

は、それぞれのτ，Ｒ，Ｓ及びｖ_τに対するＮ_ｖからの一意の変数である。

【0067】

ステップ１３２において、補強されたオントロジーＯに関して、上記ローカルタイプτの上記抽象ａｂｓ（τ）及び／又は抽象ａｂｓ（τ’）及び／又は抽象ａｂｓ（τ_ｍａｘ）に関する矛盾説明Ｅ’が計算される。

【0068】

好ましくは、オントロジーＯの公理に関して抽象ａｂｓ（τ）及び／又は抽象ａｂｓ（τ’）及び／又は抽象ａｂｓ（τ_ｍａｘ）における矛盾を計算するステップ１３２は、推論エンジン、ルールエンジンとして、又は、単に推論機構としても知られるセマンティック推論機構により、上記抽象と、オントロジーＯの公理、例えばａｘ１，ａｘ２，ａｘ３とから論理結果を推論することによって実行される。

【0069】

好ましくは、第２のデータセットＫＧ’は、それぞれの代表変数ごとに１つずつ、小さい非連結の分割から成る。グラフとして考えると、それぞれの分割は、スターのような構造を有しており、このスターのような構造は、中心にある代表変数と、互いに相異なるプロパティによってラベル付けされた入辺及び出辺とを備える。前述したサイズ縮小に加えて、このような非連結の単純な構造は、推論が伝播する可能性を制限するので、推論コンポーネントのタスクの複雑さを軽減する。

【0070】

１つの実施形態によれば、矛盾説明を計算するために、既製の推論機構、例えばPelletが使用される。

【0071】

【0072】

さらなる実施形態によれば、図２に示される実施形態による方法１００は、上記第１のデータセットＫＧの上記データ要素を複数のモジュールＭに分割する任意選択的なステップ１１０（図示せず）を含み、それぞれのモジュールＭは、それぞれ１つの個体、例えばａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈに関連付けられていて、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのクラス表明及び／又はプロパティ表明の全体αを含み、上記第１のデータセットＫＧの抽象的記述である上記第２のデータセットＫＧ’を構築するステップは、上記モジュールＭに基づいている。さらに、それぞれの個体、例えばａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈに関する少なくとも１つのローカルタイプτを識別するステップ１１２を、モジュールＭに適用するものとしてもよく、なお、ローカルタイプτは、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈが表明するクラス表明及び／又はプロパティ表明の中にあるクラスの集合及びプロパティの集合から成る。

【0073】

図３は、さらなる実施形態による方法１００のフロー図を概略的に示している。

【0074】

上記第１のデータセットＫＧの抽象的記述である第２のデータセットＫＧ’を構築するステップ１２０は、図１に関して既述されたステップ１２０に対応する。

【0075】

ステップ１２２において、少なくとも１つのローカルタイプτに関する少なくとも１つの抽象ａｂｓ（τ）が識別され、ローカルタイプτは、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのクラス表明Ｃ（ａ），Ｃ（ｄ），Ｂ（ｆ），Ｂ（ｇ）の中に存在するクラスの集合、及び／又は、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのプロパティ表明Ｒ（ａ，ｂ），Ｓ（ｄ，ｆ），Ｔ（ｆ，ｈ）の中に存在するプロパティの集合から成り、少なくとも１つのローカルタイプτに関する抽象ａｂｓ（τ）は、代表変数ｕ，ｖ，ｗ，ｘに基づいている。

【0076】

ステップ１２４において、優勢なローカルタイプτ’に関する少なくとも１つの抽象ａｂｓ（τ’）、例えば、最大のローカルタイプτ_ｍａｘに関する抽象ａｂｓ（τ_ｍａｘ）が識別され、優勢なローカルタイプτ’は、当該優勢なローカルタイプτ’におけるそれぞれのクラスの集合及び／又はそれぞれのプロパティの集合が、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのローカルタイプτにおける対応するクラスの集合及び／又は対応するプロパティの集合を含む場合に、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのローカルタイプτよりも優勢であり、優勢なローカルタイプτ’に関する抽象ａｂｓ（τ’）は、代表変数ｕ，ｖ，ｗ，ｘに基づいている。上記第１のデータセットＫＧにおける或る１つの個体の最大のローカルタイプτ_ｍａｘは、上記第１のデータセットＫＧにおける他の個体の他のローカルタイプτが存在しないために、当該ローカルタイプτにおけるそれぞれの集合が、当該最大のローカルタイプτ_ｍａｘにおける対応する集合の適当な上位集合となるような場合に、最大となり、最大のローカルタイプτ_ｍａｘに関する抽象ａｂｓ（τ_ｍａｘ）は、代表変数ｕ，ｖ，ｗ，ｘに基づいている。

【0077】

ステップ１３２において、上記抽象的な優勢なローカルタイプａｂｓ（τ’）及び／又は上記抽象的なローカルタイプａｂｓ（τ）における矛盾説明Ｅ’が計算される。

【0078】

好ましくは、オントロジーＯの公理に関して、抽象的な優勢なローカルタイプａｂｓ（τ’）及び／又は抽象的なローカルタイプａｂｓ（τ）における矛盾を計算するステップ１３２は、推論エンジン、ルールエンジンとして、又は、単に推論機構としても知られるセマンティック推論機構により、第２のデータセットＫＧ’、特に優勢なローカルタイプに関する抽象ａｂｓ（τ’）及び／又はローカルタイプに関する抽象ａｂｓ（τ）のデータ要素と、オントロジーＯの公理、例えばａｘ１，ａｘ２，ａｘ３とから論理結果を推論することによって実行される。

【0079】

１つの実施形態によれば、矛盾説明を計算するために、既製の推論機構、例えばPelletが使用される。

【0080】

【0081】

さらなる実施形態によれば、図３に示される実施形態による方法１００は、上記第１のデータセットＫＧの上記データ要素を複数のモジュールＭに分割する任意選択的なステップ１１０（図示せず）を含み、それぞれのモジュールＭは、それぞれ１つの個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈに関連付けられていて、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのクラス表明及び／又はプロパティ表明の全体αを含み、上記第１のデータセットＫＧの抽象的記述である上記第２のデータセットＫＧ’を構築するステップは、上記モジュールＭに基づいている。さらに、図１に関して既述したように、上記第１のデータセットＫＧの抽象的記述である第２のデータセットＫＧ’を構築するステップ１２０を、モジュールＭに適用するものとしてもよい。

【0082】

図４は、第１のデータセットにおける矛盾説明を計算するための方法１００の概略的なフロー図を示し、方法１００は、１つの実施形態による第１のデータセットＫＧにおける矛盾説明を計算するためのコンポーネントと、データフロー及び処理フローとを有する装置２００によって実施され、ここで、破線は、データフローを指し、実線は、処理フローを指す。

【0083】

コンポーネント１０は、第１のデータセットＫＧのデータ要素を保存するための記憶装置を含む。

【0084】

コンポーネント２０は、記憶装置及び処理装置を含み、処理装置は、第１のデータセットＫＧのデータ要素を複数のモジュールＭに分割するステップ１１０を処理するために使用され、それぞれのモジュールＭは、それぞれ１つの個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈに関連付けられていて、上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈのクラス表明及び／又はプロパティ表明の全体αを含み、上記第１のデータセットＫＧの抽象的記述である上記第２のデータセットＫＧ’を構築するステップは、モジュールＭに基づいている。さらに、記憶装置は、モジュールＭを保存するために使用される。

【0085】

コンポーネント３０は、記憶装置及び処理装置を含み、処理装置は、第１のデータセットＫＧ又はモジュールＭの抽象的記述である第２のデータセットＫＧ’を構築するステップ１２０を処理するために使用される。好ましくは、第２のデータセットＫＧ’を構築するステップ１２０は、上述したように、上記第１のデータセットＫＧの上記個体ａ，ｂ，ｄ，ｅ，ｆ，ｇ，ｈに関する抽象的なクラス表明、例えばＡ（ｕ），Ｂ（ｗ），Ｃ（ｖ），Ｄ（ｘ）、及び／又は、抽象的なプロパティ表明Ｒ（ｕ，ｖ），Ｓ（ｖ，ｗ），Ｔ（ｘ，ｗ）を構築することをさらに含む。好ましくは、コンポーネント３０の処理装置は、上述したようなステップ１２２，１２４及び１２６を処理するために適している。さらに、コンポーネント３０の記憶装置は、構築された抽象を、第２のデータセットＫＧ’の形態で保存するために使用される。

【0086】

コンポーネント４０は、オントロジーＯ、特にクラスＡ，Ｂ，Ｃ，Ｄ及び／又はプロパティＲ，Ｓ，Ｔの形式的かつ明示的な記述と、クラスＡ，Ｂ，Ｃ，Ｄ及び／又はプロパティＲ，Ｓ，Ｔに関する公理、例えばａｘ１，ａｘ２，ａｘ３とを保存するための記憶装置を含む。

【0087】

コンポーネント５０は、推論コンポーネント、例えば、推論エンジン、ルールエンジンとして、又は、単に推論機構としても知られるセマンティック推論機構を含み、この推論コンポーネントは、第２のデータセットＫＧ’と、オントロジーＯの公理とから論理結果を推論することによって、オントロジーＯに関して、特に上記オントロジーＯの公理ａｘ１，ａｘ２，ａｘ３に関して、第２のデータセットＫＧ’における矛盾を計算するステップ１３０を処理するために使用される。

【0088】

コンポーネント６０は、第２のデータセットＫＧ’に関する矛盾説明Ｅ’を出力するための出力装置を含む。このような矛盾説明Ｅ’の例は、図６によって示されている。

【0089】

好ましくは、本方法は、上記第１のデータセットに関する矛盾説明、及び／又は、上記第２のデータセットに関する矛盾説明を、理解可能な形式で出力するステップをさらに含む。例として、図６は、第２のデータセットに関する１つの矛盾説明Ｅ’と、第１のデータセットに関する３つの対応する矛盾説明Ｅ１，Ｅ２，Ｅ３とを示し、ただし、オントロジーの公理ａｘ１，ａｘ２，ａｘ３は、示されていない。

【0090】

コンポーネント７０は、上記第２のデータセットＫＧ’における上記計算された矛盾説明Ｅ’に基づいて、上記第１のデータセットＫＧに関する矛盾説明Ｅを計算するステップ１４０を処理するために適した処理コンポーネントを含む。

【0091】

コンポーネント８０は、第１のデータセットＫＧに関する矛盾説明Ｅを出力するための出力装置を含む。このような矛盾説明Ｅ１，Ｅ２，Ｅ３の例は、図６によって示されている。

【0092】

好ましくは、上記第１のデータセットＫＧに関する矛盾説明Ｅ１，Ｅ２，Ｅ３は、上記第２のデータセットＫＧ’に関する対応する矛盾説明Ｅ’から取得される。可能な説明は、例えば、図５ｂのオントロジーＯの公理ａｘ１，ａｘ２，ａｘ３によって与えられる。

【0093】

好ましくは、コンポーネント１０，２０，３０，４０，５０，６０，７０，８０は、実施形態による方法１００を実施するための装置２００の手段である。

【0094】

第１のデータセットＫＧの圧縮された抽象的記述である第２のデータセットに関する「圧縮」という用語は、第２のデータセットＫＧ’が構築１２０される際に達成されるサイズ縮小を強調するために使用されている。

【0095】

本発明の重要な特性は、上述した要件Ｒ１乃至Ｒ２が満たされることである。この特性の証明を以下に示す。

【0096】

準備
知識グラフＫＧは、Ｃ（ａ）の形式の単項ファクト及びＲ（ａ，ｂ）の形式の二項ファクトの有限集合であり、Ｃ∈Ｎ_Ｃ，Ｒ∈Ｎ_Ｐ及びａ，ｂ∈Ｎ_Ｉであり、例えば、PopularName(Nokia)又はhasCustomer(McAfee,Nokia)であり、Ｎ_Ｃ，Ｎ_Ｐ及びＮ_Ｉは、例えばCompanyのようなクラス名、例えばhasCustomerのようなプロパティ名、及び、例えばToyotaのような個体の、互いに素な可算集合である。Ｉｎｄ（ＫＧ）は、第１のデータセットＫＧの中に存在する個体の集合を示す。

【0097】

【0098】

本発明によれば、第１のデータセットＫＧ及び／又はオントロジーＯは、ウェブ・オントロジー言語、即ち、ＯＷＬ２のようなＷ３Ｃウェブ・オントロジー言語ＯＷＬに基づいて定義される。Ｗ３Ｃウェブ・オントロジー言語ＯＷＬは、モノと、モノのグループと、モノ同士の間の関係とに関する豊富で複雑な知識を表現するように設計された言語である。ＯＷＬは、計算論理ベースの言語であるので、ＯＷＬで表現された知識をコンピュータプログラムが活用することができる。ウェブ・オントロジー言語ＯＷＬ２に関するさらなる仕様については、https://www.w3.org/TR/owl2-overview/を参照されたい。

【0099】

本発明によれば、第１のデータセットＫＧ及び／又はオントロジーＯのセマンティクスは、ＯＷＬ２ダイレクトモデル理論セマンティクスを使用して解釈によって定義され、ここで、ダイレクトモデルセマンティクスについては、https://www.w3.org/TR/owl2-direct-semantics/を参照されたい。

【0100】

クラス名及びプロパティ名から、複雑なクラスＣ及びプロパティＰを、ＯＷＬ２仕様に従って（再帰的に）定義することができる。この作業においては、以下の種類のクラス及びプロパティが考慮される：

【数5】

ここで、Ａ∈Ｎ_Ｃ，Ｒ∈Ｎ_Ｐ，Ｃ１，Ｃ２は、クラスであり、Ｐは、プロパティである。

【0101】

クラス名及びプロパティ名は、関心のある定義域を形式的に記述する公理を定義するために使用される。本発明においては、３つの種類のＯＷＬ２公理が考慮される：SubClassOf(C,D)及びSubObjectPropertyOf(P,S)の形式のサブクラス公理及びサブプロパティ公理は、階層、即ち、部分的な関係を指定し、推移的プロパティは、TransitiveObjectProperty(P)の形式の公理によって定義される。

【0102】

このオントロジー言語が、非常に表現力豊かであることに留意すべきである。実際に、DisjointClasses，InverseObjectProperties，ObjectPropertyDomain，ObjectPropertyRangeのような、他の種類の重要なＯＷＬ２公理を表現可能である。例えば、図５ａの公理ObjectPropertyRange(hasCustomer, Company)は、SubClassOf(ObjectSomeValuesFrom(ObjectInverseOf(hasCustomer),owl:Thing), Company)によって同等に表現可能である。

【0103】

知識グラフ及びオントロジーのセマンティクスは、ＯＷＬ２ダイレクトモデル理論セマンティクスを使用して解釈によって定義される。第１のデータセットＫＧは、ＫＧ∪Ｏのモデルが存在しない場合、オントロジーＯに関して矛盾している。第１のデータセットＫＧは、ＫＧの少なくとも１つのファクトがＯの少なくとも１つの公理に相反する場合、オントロジーＯ，ＫＧ∪Ｏに関して矛盾している。

【0104】

Ｅ_ＫＧ⊆ＫＧ及びＥ_Ｏ⊆ＯであるＥ＝Ｅ_ＫＧ∪Ｅ_Ｏによって示される、ＫＧ∪Ｏの矛盾に関する説明Ｅは、ＫＧ∪Ｏの矛盾した部分集合を包含する最小の部分集合である。図５ａの３つのオントロジー公理ａｘ１，ａｘ２，ａｘ３の例と組み合わせた、“McAfee hasCustomer Toyota”及び“Toyota isCityOf Japan”を言明する第１のデータセットＫＧの特定の部分は、図６に示されるような矛盾説明である。一般に、ＫＧ∪Ｏの矛盾は、複数の説明を有し得る。

【0105】

第１のデータセットＫＧの矛盾に関する説明を計算する
理解を深めるために、個体ａ∈ｉｎｄ（ＫＧ）を特徴付けるためのモジュールが導入される。第１のデータセットＫＧ及び個体ａ∈ｉｎｄ（ＫＧ）が与えられると、ＫＧに関するａのモジュールは、ａが関与するファクトの集合αであり、即ち、Ｍ（ａ，ＫＧ）＝｛α｜α∈ＫＧであり、ａは、αの中に存在する｝。図５ａを参照すると、Nokiaのモジュールは、Ｍ（Nokia，ＫＧ）＝｛PopularName（Nokia），hasCustomer （McAfee，Nokia），isCityOf（Nokia，Finland）｝である。

【0106】

図４は、本発明に係る方法の大枠の概要を示している。ステップ１１０において、第１のデータセットＫＧのいずれの個体に関しても、モジュールＭが構築される。ステップ１２０において、複数のモジュールＭにわたる共通性がローカルタイプを使用して検出され、最大のローカルタイプの、第２のデータセットＫＧ’とも称される抽象が計算される。以下で証明されるように、総てのモジュールの抽象の和集合が、第１のデータセットＫＧ全体に関する抽象を提供し、第１のデータセットＫＧの抽象、即ち、第２のデータセットは、好ましくは、元の第１のデータセットＫＧよりも格段に小さい。ステップ１３０は、入力としてオントロジーＯと、計算された抽象とを取得し、既製の推論機構、例えばPelletを呼び出して、元の第１のデータセットＫＧに関する矛盾説明のためのパターンである、抽象的なモジュールに関する矛盾説明を生成する。最後に、ステップ１４０において、ステップ１３０で計算された説明から、元の第１のデータセットＫＧに関する説明が再構築される。以下に、記載されたアプローチの技術的な詳細を提供する。

【0107】

Ｎ_Ｖは、Ｎ_Ｃ，Ｎ_Ｐ，Ｎ_Ｉとは素である代表変数の可算集合を表す。第２のデータセットＫＧ’は、第１のデータセットＫＧの抽象的記述であり、この抽象的記述の中には、変数、クラス及びプロパティのみが存在し、個体は存在しない。従って、第２のデータセットＫＧ’は、例えばＡ（ｕ），Ｂ（ｗ），Ｃ（ｖ），Ｄ（ｘ）のような単項ファクト及びＲ（ｕ，ｖ），Ｓ（ｖ，ｗ），Ｔ（ｘ，ｗ）のような二項ファクトの有限集合である。

【0108】

第２のデータセットＫＧ’は、ＫＧがオントロジーＯに関して無矛盾である場合に限り、オントロジーＯに関して無矛盾であるとき、第１のデータセットＫＧに関する無矛盾性を保持する。抽象的な第２のデータセットＫＧ’は、ＫＧのいずれの矛盾説明Ｅに対しても、Ｅ’をＥに準同型に写像することができるようなＫＧの矛盾説明Ｅ’が存在する場合に、ＫＧに関する説明を保持する。矛盾及び説明を保持している、ＫＧに関する抽象的な第２のデータセットＫＧ’は、ＫＧの抽象と称される。明らかに、あらゆる第１のデータセットＫＧの抽象は、要件Ｒ１及びＲ２を満たしている。検討対象のオントロジー言語の場合、第１のデータセットＫＧに関する矛盾をチェックする問題は、検討対象の第１のデータセットＫＧのいずれのモジュールに関しても単独で矛盾をチェックすることまで軽減可能である。

【0109】

補題１：ＫＧを第１のデータセットとし、Ｏをオントロジーとする。その場合、ＫＧ∪Ｏは、Ｍ（ａ，ＫＧ）∪Ｏがいずれのａ∈ｉｎｄ（ＫＧ）に関しても無矛盾である場合に限り、無矛盾である。

【0110】

補題１は、第１のデータセットＫＧの矛盾に関する総ての説明が、第１のデータセットＫＧのモジュールに関する説明を計算することによって取得可能であることを保証する。

【0111】

定理２：ＫＧを第１のデータセットとし、Ｏを、ＫＧ∪Ｏが矛盾するようなオントロジーとする。その場合、Ｍ（ａ，ＫＧ）∪Ｏが矛盾していて、かつ、ＥがＭ（ａ，ＫＧ）∪Ｏの矛盾に関する説明であるようなａ∈ｉｎｄ（ＫＧ）が存在する場合に限り、Ｅは、ＫＧ∪Ｏの矛盾に関する説明である。

【0112】

定理２によれば、抽象がなくても、第１のデータセットＫＧに関する矛盾説明を、第１のデータセットＫＧのモジュールに基づいて計算することが可能となり、これにより、ベースラインにわたる顕著な高速化がもたらされる。さらに重要なことに、定理２は、説明を保持する抽象を、まず始めに個体のモジュールに基づいてローカルに計算し、次に、その結果として生じる抽象を結合してＫＧ全体に関する１つのグローバルな抽象にすることを提案している。

【0113】

第１のデータセットＫＧの個体ａのローカルタイプは、この個体ａについて言及する概念及びプロパティの集合である。形式的には、第１のデータセットＫＧの個体ａのローカルタイプτであるτ（ａ，ＫＧ）は、タプルτ（ａ）＝＜τ_ｉ（ａ），τ_ｃ（ａ），τ_ｏ（ａ）＞によって定義され、ここで、τ_ｉ（ａ）＝｛Ｒ│Ｒ（ｃ，ａ）∈ＫＧ｝，τ_ｃ（ａ）＝｛Ａ│Ａ（ａ）∈ＫＧ｝、及び、τ_ｏ（ａ）＝｛Ｓ│Ｓ（ａ，ｂ）∈ＫＧ｝である。ローカルタイプの個体が重要でない場合には、常にτと称される。

【0114】

それぞれのローカルタイプは、クラス及びプロパティの集合であり、第１のデータセットＫＧの抽象的記述は、クラス及びプロパティの抽象的な集合が好ましくはスター形状を有するように、変数によってこれらをインスタンス化する。τをローカルタイプとすると、τに関するスター型の抽象は、変数に基づいて以下の知識グラフとして定義される：

【数6】

ここで、

【数7】

は、それぞれのτ，Ｒ，Ｓに対するＮ_ｖからの一意の変数である。

【0115】

表記を簡略化するために、スター型の抽象における個体の下付き文字及び上付き文字は、省略可能である。図５ａの例を参照すると、Toyota及びNokiaは、同等のローカルタイプτ＝＜｛PopularName｝，｛hasCustomer｝，｛isCityOf｝＞を有する。τに関するスター型の抽象は、ａｂｓ（τ）＝｛PopularName(v)，hasCustomer (u,v)，isCityOf (v,w)｝である。本発明に係る方法の場合、好ましくは、第１のデータセットにおける総ての個体の総てのローカルタイプの集合の中で最大であるローカルタイプのみが考慮される。

【0116】

ローカルタイプτ’＝＜τ’_ｉ，τ’_ｃ，τ’_ｏ＞は、τ_ｉ⊆τ’_ｉ，τ_ｃ⊆τ’_ｃ，τ_ｏ⊆τ’_ｏである場合に限り、ローカルタイプτ＝＜τ_ｉ，τ_ｃ，τ_ｏ＞よりも優勢である。ローカルタイプτは、τ_ｉ⊂τ’’_ｉ，τ_ｃ⊂τ’’_ｃ，τ_ｏ⊂τ’’_ｏである場合に限り、ローカルタイプτ’’＝＜τ’’_ｉ，τ’’_ｃ，τ’’_ｏ＞よりも小さい。ローカルタイプτ_ｍａｘは、ローカルタイプの集合の中で、τ_ｍａｘが、当該集合の中の他のあらゆるローカルタイプよりも小さくない場合に限り、最大である。ローカルタイプτがいずれのオントロジーＯに関してもローカルタイプτ’より小さいような、ローカルタイプτ及びローカルタイプτ’に関して、ａｂｓ（τ）∪Ｏが矛盾している場合には、ａｂｓ（τ’）∪Ｏも矛盾していて、ａｂｓ（τ’）∪Ｏの矛盾説明が、ａｂｓ（τ）∪Ｏの総ての矛盾説明を含むということが見て取れる。従って、比較的小さいタイプは、説明を計算するためには重要でない。

【0117】

最後に、抽象に関する矛盾説明から元のＫＧに関する矛盾説明への移行を可能にする実現が定義される。形式的に、ＫＧを第１のデータセットとし、τをローカルタイプとする。個体ａ∈ｉｎｄ（Ｇ）に関するτの実現は、τ（ａ，ｒｅａｌ_ａ，τ）＝τであるような、ＫＧの包含の最小の部分集合ｒｅａｌ_ａ，τである。ＫＧにおけるτの実現は、ＫＧの中に存在するそれぞれの個体に関するτの総ての実現の集合である。ここで、図６を参照すると、個体であるToyota及びNokiaに関する抽象と、この抽象に関して計算された矛盾説明と、この説明におけるｖのローカルタイプの３つの実現とが示されている。

【0118】

アルゴリズム１は、以下に示すように、第１のデータセットＫＧの総ての説明を、オントロジーＯに関して第１のデータセットＫＧの抽象を使用して計算する。アルゴリズムは、｜ｉｎｄ（ＫＧ）｜によって数が制限されているローカルタイプにわたって反復され、抽象に関する説明の数と、タイプに関する実現の数とは、第１のデータセットＫＧの署名及びオントロジーＯによって制限されているので、アルゴリズム１は終了する。以下の定理は、その正しさを示している。

【0119】

定理３．アルゴリズム１のための入力として第１のデータセットＫＧ及びオントロジーＯが与えられると、∪_{ａ∈ｉｎｄ（ＫＧ）}ａｂｓ（τ（ａ））は、ＫＧの抽象であり、返送される集合allExplsは、オントロジーＯに関する、第１のデータセットＫＧに関する総ての矛盾説明から成る。

【0120】

アルゴリズム１：オントロジーＯに関して第１のデータセットＫＧの矛盾に関する説明を計算する

【数8】

【0121】

矛盾説明を計算するための方法は、システムプロトタイプで実装されていて、DBpedia知識グラフに基づいて評価されており、このDBpedia知識グラフは、当時２２９５５１７３個のファクトから成り、当時４２８７個の公理から成る最新のオントロジーを有し、https://wiki.dbpedia.org/downloads-2016-10においてさらに仕様が定められている。アルゴリズム１で提示された抽象ベースの方法１００は、知識グラフが全体として処理される、モジュールベースの実装Ｍ及び既製の推論機構PelletＰと比較された。総ての実験は、４８コア及び５００ＧＢのメモリを搭載したサーバ上で実行され、矛盾説明を計算するためにPellet推論機構が呼び出された。計算全体のために７２時間のタイムアウトと、それぞれのモジュールの処理のために５分のタイムアウトとが設定された。

【0122】

図７は、それぞれの方法によって計算されたモジュールの総数と、７２時間以内に処理が試行されたモジュールの数と、これらのうち、５分以内に分析が失敗したモジュールの数とを提示する表を示している。さらに、計算された説明パターンの数が、それらが生成する実際の説明と共に提示されている。

【0123】

７２時間以内に、方法１００なしでPelletＰを使用した場合、DBpediaに関する説明は取得されなかった。知識グラフをより小さいモジュールに分割すると、実装Ｍは、既に有益であり、結果的に７３Ｋを超える説明が得られる。しかしながら、計算されるモジュールの数は、依然として非常に多く、それらの多くは、タイムアウト内に処理され得ない。他方で、抽象ベースの方法１００によって計算された抽象モジュールの数は、格段に少なく、これらの抽象モジュールは、取り扱いがより簡単であり、このことは、タイムアウトしたモジュールが少数であることによって見て取れる。抽象的な知識グラフは、元のＫＧのたった１０％に相当する２４９７５２１個のファクトのみを含み、このことは、顕著なデータ圧縮を示している。結果として、計算される説明の数の劇的な増加が観察され、これは、ベースラインと比較しての方法１００の有効性を示している。

【0124】

図８は、最も頻度の高い優勢１００個の説明パターンをＸ軸に示し、それらが生成する説明の数をＹ軸に示している。いくつかのパターンが、結果的に、情報抽出プロセスにおける体系的な問題を明らかにする何百万もの説明をもたらす。例えば、DBpediaにおいては、説明パターン：｛bandMember(u,v)，playInstrument(w,v)｝を有する約１０Ｋの矛盾説明が存在し、ここでは、オントロジーに基づくbandMember及びplayingInstrumentの値域は、それぞれ、互いに素のクラスであるPerson及びInstrumentである。計算リソースが限られているので、総てのモジュールが本方法のいずれかによって処理されたわけではないが、本発明による抽象ベースのアプローチが、計算された矛盾説明の数に関してベースラインを大幅に上回っており、取得された説明パターンが、知識グラフの矛盾を効果的に要約しているという結果が示された。

【0125】

さらに、方法１００は、知識グラフ構築プロセスにおける体系的な問題を明らかにすることができるエラーパターンを提供する。

【0126】

さらなる実施形態によれば、本発明は、第１のデータセットＫＧのデータクリーニングのための、前述した実施形態による方法１００、及び／又は、前述した実施形態によるコンピュータプログラムの使用に関する。種々の実施形態に関して上述したように、データセットにおける異常及び／又はエラーを効率的に検出することによって、第１のデータセットの品質を改善することが可能である。

【図1】