설명 논리와 형식 개념 분석의 융합: 온톨로지를 위한 설문 조사

초록

본 설문 논문은 설명 논리(DL)와 형식 개념 분석(FCA)이 개념과 계층 구조를 다루는 방식의 차이를 짚어보고, 두 형식 사이의 교차 연구를 체계적으로 정리한다. DL의 개념 기술과 추론 메커니즘을 FCA의 속성 기반 컨텍스트와 결합하거나, 반대로 FCA의 탐색 기법을 DL의 서브섬션·예시 기반 지식 구축에 활용한 사례들을 두 축으로 구분하여 소개한다.

상세 분석

이 논문은 DL과 FCA가 “개념”이라는 공통된 메타포를 공유하지만, 개념을 정의하고 획득하는 방법론에서 근본적인 차이를 보인다는 점을 먼저 명확히 한다. DL에서는 원자 개념(단일 술어)과 역할(이항 술어)을 조합해 복합 개념을 기술하고, TBox와 ABox라는 두 층위의 지식베이스에 각각 용어 정의와 개체 사실을 배치한다. 의미론은 해석 함수에 의해 도메인과 관계를 매핑하며, 서브섬션, 인스턴스 체크 등 표준 추론 서비스를 제공한다. 반면 FCA는 형식 컨텍스트(객체‑속성 행렬)에서 확장(extent)과 내포(intension)를 동시에 정의하고, 이들로부터 격자 구조인 개념 사슬을 유도한다. 여기서 개념은 속성들의 단순 합성(논리곱)으로 표현되며, 속성 자체가 원자적이다.

논문은 이러한 차이를 극복하고자 진행된 두 가지 연구 흐름을 체계적으로 분류한다. 첫 번째는 “FCA를 DL의 풍부한 구성요소로 확장”하는 방향이다. 예를 들어, Prediger와 Stumme의 논리적 스케일링은 DL의 존재·보편 제한자를 이용해 속성 간 불가능 조합을 명시하고, DL 추론기를 통해 함의 위반 시 반례를 제공한다. 또한, Prediger가 제안한 “terminologische Merkmalslogik”은 ALC와 동등한 논리 연산(∧, ∨, ¬, ∀, ∃)을 FCA에 도입해 속성 수준에서 관계와 양화자를 다룰 수 있게 한다. Relational Concept Analysis는 여러 컨텍스트와 그 사이의 이진 관계를 한데 모아, ALE 하위 언어인 FL‑E로 변환 후 DL 추론기로 일관성을 검증한다. 이러한 시도들은 FCA의 확장성을 높이고, 복잡한 도메인 모델을 보다 정밀하게 표현하도록 돕는다.

두 번째 흐름은 “FCA 기법을 DL 문제 해결에 적용”하는 것이다. Baader는 DL 개념들의 모든 가능한 교집합에 대한 서브섬션 격자를 FCA 속성 탐색으로 구축함으로써, 정의된 개념들 사이에 숨겨진 포함 관계를 드러냈다. 이후 Stumme은 이를 확장해 교집합·합집합(∨)까지 포함한 전체 조합 격자를 생성했으며, 이는 DL TBox의 완전한 논리적 구조를 시각화한다. 또 다른 연구에서는 최소 공통 상위 개념(least common subsumer, LCS)을 찾는 과정에서 발생하는 지수적 비용을 완화하기 위해 FCA의 속성 탐색을 활용, LCS 계층을 효율적으로 탐색하도록 했다. Rudolph의 “relational exploration”은 DL을 이용해 FCA 속성을 정의하고, 반대로 FCA의 인터랙티브 지식 획득 절차를 통해 DL 기반 온톨로지를 정제한다. 이때 사용되는 DL은 FL‑E 혹은 EL 등 제한된 구성요소만을 갖는 서브셋으로, 형식 컨텍스트와 이진 파워 컨텍스트 패밀리를 통해 관계 지식을 정형화한다.

전반적으로 논문은 DL과 FCA가 서로 보완적인 특성을 가지고 있음을 강조한다. DL은 풍부한 표현력과 강력한 추론 메커니즘을 제공하지만, 개념 간 구조적 탐색이 제한적이다. 반면 FCA는 속성 기반의 데이터 탐색과 격자 구조를 통해 전체 개념 공간을 직관적으로 파악할 수 있지만, 표현력이 제한된다. 두 접근법을 결합하면, DL의 복잡한 논리적 제약을 FCA의 탐색적 도구로 검증하고, FCA의 구조적 통찰을 DL의 서브섬션·LCS 계산 등에 활용할 수 있다. 논문은 이러한 융합 연구가 온톨로지 구축, 지식베이스 정제, 데이터 마이닝 등 다양한 응용 분야에서 실질적인 이점을 제공한다는 점을 설득력 있게 제시한다.