Optimierung von tableaubasierten Schlussfolgerungssystemen für ausdrucksstarke Beschreibungslogiken

Abstract

Zur Wissensrepräsentation in intelligenten Systemen werden häufig logikbasierte Ontologiesprachen verwendet. Zum Beispiel basiert die vom W3C standardisierte Web Ontology Language auf der Beschreibungslogik SROIQ und findet breiten Einsatz in den Life Sciences, der Medizin, oder auch im Semantic Web. Die logische Grundlage solcher Sprachen bietet unter anderem den Vorteil, dass mit Schlussfolgerungssystemen implizite Zusammenhänge im repräsentierten Wissen ermittelt werden können, wodurch sich neue Informationen und logische Widersprüche aufdecken lassen. Die Schlussfolgerungssysteme für SROIQ basieren üblicherweise auf Tableau-Algorithmen. Für diese wurden bereits zahlreiche Optimierungen entwickelt, jedoch ist die Performanz für viele Ontologien und Anwendungsfälle immer noch unzureichend.