다중관계 네트워크를 위한 증거 기반 경로 논리

초록

이 논문은 RDF와 같은 다중관계 지식 그래프 위에 증거 튜플(신뢰도, 반증도)로 구성된 비이분법·비단조 논리 체계를 제시한다. 두 이항 연산(합과 곱)을 정의해 링 구조를 만들고, 이를 통해 경로 기반 추론, 전이, 합성 등을 수행한다. 모순·불완전한 정보도 자연스럽게 다루며, 근사적이면서도 계산적으로 효율한 추론을 가능하게 한다.

상세 분석

본 연구는 다중관계 네트워크를 증거 기반의 비이분법적 논리 체계에 매핑한다는 점에서 혁신적이다. 저자는 각 엣지를 ⟨w⁺, w⁻⟩ 형태의 증거 튜플로 표현한다. 여기서 w⁺는 해당 관계가 사실일 가능성을, w⁻는 반증 가능성을 나타내며, w⁺+w⁻≤1을 만족한다. 이러한 표현은 전통적인 RDF(S)·OWL의 이분법적 트리플(주어‑술어‑목적어)과 달리 불확실성과 모순을 동시에 보존한다.

연산 측면에서 저자는 두 개의 이항 연산을 정의한다. ‘합(⊕)’은 동일한 시작·끝 노드 사이에 여러 증거가 존재할 때 이를 병합하여 새로운 증거 튜플을 만든다. 구체적으로 (a⁺,a⁻)⊕(b⁺,b⁻) = (a⁺+b⁺−a⁺b⁺, a⁻+b⁻−a⁻b⁻) 로, 독립적인 증거가 겹치면 중복을 보정한다. ‘곱(⊗)’은 경로 연산으로, 두 엣지를 연속해서 따라갈 때 전체 경로의 증거를 계산한다. (a⁺,a⁻)⊗(b⁺,b⁻) = (a⁺b⁺, a⁺b⁻+a⁻) 로 정의되어, 전방 증거는 곱해지고 반증은 전방 증거와 후방 반증, 혹은 전방 반증이 결합한다. 이 두 연산은 결합법칙과 분배법칙을 만족해 링(algebraic ring) 구조를 형성한다는 점이 핵심이다.

링 구조 위에서 저자는 전통적인 추론 규칙을 재구성한다. 예를 들어 rdfs:subClassOf 전이 규칙은 ⊗ 연산을 여러 번 적용해 길이가 n인 서브클래스 체인을 하나의 증거 튜플로 압축한다. 또한, rdfs:domain·range 제약은 ⊕와 ⊗를 조합해 주체·객체가 특정 클래스에 속할 확률을 추정한다. 이러한 연산은 비단조적이며, 새로운 증거가 추가될 때 기존 증거를 무조건 강화하거나 약화시키지 않는다. 따라서 모순된 정보가 동시에 존재해도 각각의 증거가 독립적으로 유지된다.

계산 복잡도 측면에서 저자는 근사적 알고리즘을 제안한다. 전체 그래프에 대해 모든 경로를 전부 계산하는 대신, 증거가 일정 임계값 이하인 경로는 가지치기하고, 행렬 형태의 연산을 이용해 병렬화한다. 실험 결과, 수십만 노드·수백만 엣지를 가진 실제 RDF 데이터셋에서도 추론 시간이 선형에 가깝게 증가함을 보였다. 이는 기존 OWL DL 추론기의 지수적 복잡도와 대비되는 장점이다.

마지막으로, 이 프레임워크는 기존 시맨틱 웹 인프라와 호환 가능하도록 설계되었다. RDF 트리플을 그대로 증거 튜플로 매핑하고, SPARQL과 유사한 질의 언어를 확장해 ⊕·⊗ 연산을 질의 플래너에 삽입할 수 있다. 따라서 기존 애플리케이션이 완전한 재작성 없이도 불확실하고 모순적인 지식을 다룰 수 있는 기반을 제공한다.