Почему рассуждения OWL-DL так эффективны?
Мне всегда было трудно понять, почему рассуждения OWL-DL так эффективны в реальных приложениях.
Например, я часто использую онтологии, которые находятся во фрагменте ALCQI и обрабатываются рассуждателем Fact++, и хорошо известно, что выполнимость концепции является PSPACE-полной, а логическим следствием является EXPTIME.
Здесь, на слайде 29 четко указано, что:
современные системы рассуждений DL основаны на табличных методах, а не на автоматных методах
+ проще реализовать
-не оптимален в вычислительном отношении (NEXPTIME, 2NEXPTIME)
->системы сильно оптимизированы
Несмотря на высокую вычислительную сложность, производительность в реальных приложениях на удивление хороша:
- базы знаний с тысячами концепций и сотнями аксиом
- превосходят специализированные рассуждения модальной логики
С одной стороны, доказано, что с точки зрения вычислений они не оптимальны, с другой стороны, они эффективны в реальном приложении даже для больших входных данных, но я не могу найти в Интернете источники, объясняющие, почему это возможно и как это обрабатывается.
Определенно, мне не хватает этого шага, который я действительно пытаюсь понять.
Есть ли у кого-нибудь здесь идея?