설명 논리의 동형성 연구와 최소화 기법

초록

본 논문은 ALC₍reg₎와 그 확장형(역역, 명사, 수량 제한, 전역 역할, 로컬 반사성 등)을 대상으로 bisimulation 개념을 정의하고, 개념·TBox·ABox에 대한 불변성, RBox·지식베이스 보존, Hennessy‑Milner 특성을 증명한다. 또한 표현력 비교, 최대 자동‑bisimulation에 의한 해석 최소화, QS‑interpretation 도입 및 효율적인 분할 알고리즘을 제시한다.

상세 분석

논문은 먼저 ALC₍reg₎를 기본 프레임워크로 삼아, 역할 정규식과 전통적인 ALC 연산자를 결합한 표현력을 확보한다. 여기서 역역(inverse role), 명사(nominal), 수량 제한(qualified number restriction), 전역 역할(universal role), 로컬 반사성(local reflexivity) 등을 추가함으로써, 실제 온톨로지 언어에서 요구되는 복잡한 구조를 모델링한다. 이러한 확장마다 bisimulation 정의를 세밀히 조정하여, 두 해석이 동일한 역할 경로와 개념 라벨을 유지하도록 한다. 핵심 정리는 개념, TBox, ABox가 bisimulation에 대해 불변임을 보이며, 이는 해당 논리식이 해석 간에 동일한 진리값을 갖는다는 의미다. 특히 RBox와 전체 지식베이스(KB)의 보존을 다루면서, 역할 포함·동등성 제약이 bisimulation에 의해 유지되는 조건을 명시한다. Hennessy‑Milner 특성은, 유한 모델에 대해 bisimulation과 논리적 동등성이 일치함을 증명함으로써, 모델 검사와 동등성 검증을 논리적 방법으로 대체할 수 있음을 보여준다. 표현력 비교에서는, 각 확장이 개념·TBox·ABox 수준에서 엄격히 더 강력하거나 독립적인지를 정량화하고, ALC₍reg₎의 모든 하위논리 중 ALC을 포함하는 경우에도 동일한 구분 결과가 유지된다는 일반화를 제공한다. 자동‑bisimulation(자기 bisimulation) 개념을 도입해, 해석 내에서 최대한의 동형성 관계를 찾고 이를 기반으로 quotient interpretation, 즉 동형 클래스별로 하나의 원소로 축소한 새로운 해석을 정의한다. 여기서 수량 제한이나 로컬 반사성 같은 연산자는 기존의 동형성 관계만으로는 충분히 축소되지 않으므로, QS‑interpretation이라는 새로운 구조를 제안한다. QS‑interpretation은 역할의 다중 연결과 자체 반사성을 별도의 카운터와 플래그로 관리함으로써, 기대되는 최소화 결과를 보장한다. 마지막으로, 유한 해석에 대해 최대 자동‑bisimulation을 계산하는 알고리즘을 설계한다. Hopcroft의 DFA 최소화 알고리즘과 Paige‑Tarjan의 파티션 정제 기법을 적절히 변형하여, O(|Δ|·log|Δ|) 수준의 시간 복잡도로 파티션을 구한다. 이는 온톨로지 기반 학습이나 대규모 지식베이스 최적화에 실용적인 도구가 된다.