Using graph neural networks to capture SHACL constraints in graph data

Abstract

Das Ziel des Semantic Web ist es, Wissen maschinenlesbar zu machen und damit die Zusammenarbeit zwischen Menschen und Maschinen zu verbessern [Anw22]. Im Mittelpunkt dieser Vision steht das Resource Description Framework (RDF), das Informationen als gerichtete und beschriftete Graphen aus Subjekt-Prädikat-Objekt-Tripeln darstellt [C+14]. Die Shapes Constraint Language (SHACL), ein W3C-Standard, ermöglicht es Fachexperten, Einschränkungen für RDF-Graphen zu definieren und zu überprüfen, ob die Daten diesen Einschränkungen entsprechen [KK17]. Die SHACL-Validierung hat einige inhärente Einschränkungen: Der Validierungsprozess ist binär, er gibt lediglich an,ob ein Knoten eine Einschränkung erfüllt oder nicht, und kann für komplexe Constraints rechenintensiv sein [ADPŠ22].Diese Arbeit untersucht, ob Graph Neural Networks (GNNs) die Validierung von SHACL-Constraints effektiv approximieren können. Dazu wird ein Ansatz vorgeschlagen, der symbolisches Schlussfolgern mit maschinellem Lernen kombiniert. SHACL-Constraints werden automatisch in ASP-Fakten übersetzt, die anschließend vom Clingo-ASP-Solver verwendet werden, um beschriftete RDF-artige Graphen mit gültigen und ungültigen Zielknoten zu generieren. Ein Relational Graph Convolutional Network (R-GCN) wird dann auf diesen Datensätzen trainiert und auf neu generierten, ungesehenen Graphen evaluiert. Die gesamte Pipeline ist vollständig automatisiert und wird aus einer einzigen SHACL-Eingabedatei abgeleitet, ohne dass an irgendeiner Stelle eine manuelle Kodierungerforderlich ist. Mit einer korrekten Konfiguration, insbesondere einem ausgewogenen und strukturell vielfältigen Trainingsdatensatz mit der geeigneten Anzahl von Message-Passing-Schichten entsprechend der Verschachtelungstiefe der Constraints, konnte das R-GCN die Validierung von SHACL-Constraints sehr effektiv approximieren. Für alle fünf getesteten Constraints erzielte das Modell eine perfekte Inferenzgenauigkeit auf vollständig ungesehenen Graphen. Dies zeigt, dass GNNs mit geeigneten Parametern und ausreichend vielfältigen Daten in der Lage sind, die Erfüllung von SHACL-Constraints zu approximieren und vorherzusagen.

The Semantic Web’s goal is to make knowledge machine-readable, enabling people and machines to operate better [Anw22]. At the core of this vision is the Resource Description Framework (RDF), which represents information as directed and labeled graphs of subject-predicate-object triples [C+14]. The Shapes Constraint Language (SHACL), a W3C standard, allows domain experts to define constraints on RDF graphs and verify that the data conforms to these constraints [KK17]. SHACL validation has some inherent limitations: the validation process is binary: it simply indicates whether a node satisfies a constraint or not, and can be computationally expensive for complex constraints [ADPŠ22].This work investigates whether Graph Neural Networks (GNNs) can effectively approximate the validation of SHACL constraints. To investigate this, we propose an approach combining symbolic reasoning and machine learning. SHACL constraints are automatically translated into ASP facts, which are then used by the Clingo ASP solver to generate labeled RDF-style graphs with valid and invalid target nodes. A Relational Graph Convolutional Network (R-GCN) is then trained on these datasets and evaluated against newly generated unseen graphs. The entire pipeline is fully automated, derived from a single SHACL input file with no manual encoding required at any stage.With a correct configuration, specifically a balanced and structurally diverse training dataset with the appropriate number of message-passing layers corresponding to the constraint’s nesting depth, the R-GCN was able to very effectively approximate the validation of SHACL constraints. For all five constraints tested, the model achieved perfect inference accuracy on completely unseen graphs, demonstrating that with appropriate parameters and sufficiently diverse data, GNNs are capable of approximating andpredicting the satisfaction of SHACL constraints.