ProbSPARQL은 불확실한 다차원 수치 데이터를 지식그래프에서 직접 질의할 수 있게 하는 상위 호환 SPARQL 확장이다. 독일 SFB 1574 '순환 공장(Circular Factory)' 프로젝트의 반품 제품 데이터 통합을 위해 개발됐으며, 불확실한 수치를 확률적 RDF 리터럴 데이터타입으로 인코딩된 확률변수로 모델링하고 분포 인지 표현식, 확률 필터, 발산(divergence) 기반 조인을 지원한다. Apache Jena ARQ 위에 구현해 Fuseki 호환 실행 계층으로 노출했고, 앵글그라인더 5,000개 인스턴스·150만 트리플 규모 벤치마크에서 엔진 내 실행 가능성과 필터 푸시다운 속도 향상을 확인했다. 센서 기반 제조·재활용 데이터처럼 불확실성이 본질적인 산업 지식그래프에 질의 계층 해법을 제시한다.
- •불확실 수치를 확률적 RDF 리터럴 데이터타입 기반 확률변수로 모델링하는 SPARQL 상위 호환 확장 ProbSPARQL 제안
- •분포 인지 표현식, 확률 필터, 발산 기반 조인 등 불확실성 질의 기능 지원
- •Apache Jena ARQ에 구현, Fuseki 호환 실행 계층으로 제공
- •앵글그라인더 5,000개·150만 트리플 벤치마크에서 필터 푸시다운이 애플리케이션 계층 후처리 대비 속도 향상 확인
- •SFB 1574 순환 공장의 반품 제품 데이터 통합 인프라의 초기 질의 계층 파일럿
ProbSPARQL: Querying Knowledge Graphs with Multi-dimensional, Uncertain Numeric Data
본문 미리보기
arXiv:2607.18262v1 Announce Type: new Abstract: The SFB 1574 Circular Factory is building a shared knowledge graph infrastructure for integrating data about returned products. A central challenge is that circular-factory data include numeric measurements that (i) originate from sensors or are derived from sensor-based measurements, (ii) are frequently multi-dimensional, and (iii) are inherently uncertain, while downstream triage, validation, reliability-modeling, and reassembly-planning modules
전체 내용이 궁금하다면?
원문을 직접 읽어보세요