論文の概要: Querying and Repairing Inconsistent Prioritized Knowledge Bases:
Complexity Analysis and Links with Abstract Argumentation
- arxiv url: http://arxiv.org/abs/2003.05746v2
- Date: Mon, 29 Jun 2020 16:15:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 15:44:59.620398
- Title: Querying and Repairing Inconsistent Prioritized Knowledge Bases:
Complexity Analysis and Links with Abstract Argumentation
- Title（参考訳）: 一貫性のない優先知識ベースを問合せし修復する:複雑度解析と抽象論へのリンク
- Authors: Meghyn Bienvenu and Camille Bourgaux
- Abstract要約: 優先知識ベース(KB)に対する不整合の問題について検討する。
本稿では, 接地拡張に着想を得た優先順位付きKBのセマンティクスを提案し, 良好な特性を享受する。
本研究は、嗜好に基づく議論フレームワークに関する独立した関心の結果ももたらした。
- 参考スコア（独自算出の注目度）: 12.952483242045366
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we explore the issue of inconsistency handling over
prioritized knowledge bases (KBs), which consist of an ontology, a set of
facts, and a priority relation between conflicting facts. In the database
setting, a closely related scenario has been studied and led to the definition
of three different notions of optimal repairs (global, Pareto, and completion)
of a prioritized inconsistent database. After transferring the notions of
globally-, Pareto- and completion-optimal repairs to our setting, we study the
data complexity of the core reasoning tasks: query entailment under
inconsistency-tolerant semantics based upon optimal repairs, existence of a
unique optimal repair, and enumeration of all optimal repairs. Our results
provide a nearly complete picture of the data complexity of these tasks for
ontologies formulated in common DL-Lite dialects. The second contribution of
our work is to clarify the relationship between optimal repairs and different
notions of extensions for (set-based) argumentation frameworks. Among our
results, we show that Pareto-optimal repairs correspond precisely to stable
extensions (and often also to preferred extensions), and we propose a novel
semantics for prioritized KBs which is inspired by grounded extensions and
enjoys favourable computational properties. Our study also yields some results
of independent interest concerning preference-based argumentation frameworks.
- Abstract（参考訳）: 本稿では、オントロジー、事実の集合、矛盾する事実間の優先順位関係からなる、優先順位付けされた知識ベース(kbs)に対する非一貫性の取り扱いの問題を検討する。
データベース設定において、密接に関連するシナリオが研究され、優先順位付けされた一貫性のないデータベースの最適修復(グロバル、パレート、完了)の3つの異なる概念が定義された。
グローバル, パレート, コンプリート, 最適修理の概念を我々の設定に移行した後, 最適修理に基づく一貫性のないセマンティクスに基づくクエリエンテーメント, ユニークな最適修理の存在, 全最適修理の列挙など, コア推論タスクのデータ複雑性について検討した。
その結果,共通dl-lite方言で定式化したオントロジーに対するこれらのタスクのデータ複雑性のほぼ完全な図が得られた。
第2の貢献は、(セットベースの)議論フレームワークの最適修復と拡張概念の異なる関係を明らかにすることである。
この結果から, 安定な拡張(しばしば好まれる拡張)とパレート最適修復が一致することを示すとともに, 接地された拡張にインスパイアされ, 好適な計算特性を有する優先順位付けKBのセマンティクスを提案する。
本研究は、嗜好に基づく議論フレームワークに関する独立した関心の結果も得る。
関連論文リスト
- Thought-Path Contrastive Learning via Premise-Oriented Data Augmentation for Logical Reading Comprehension [9.67774998354062]
これまでの研究は主に、Chain-of-Thought(CoT)やデータ拡張による論理的推論能力の向上に重点を置いてきた。
本稿では,CoTの論理式を生成するためのPODA(Premise-Oriented Data Augmentation)フレームワークを提案する。
また,本論文では,原案と反実例の推論経路を比較検討する新たな思考経路コントラスト学習手法についても紹介する。
論文 参考訳（メタデータ） (2024-09-22T15:44:43Z) - Computational Complexity of Preferred Subset Repairs on Data-Graphs [2.254434034390529]
データ値を持つグラフデータベースを優先的に修復する問題について検討する。
本稿では,標準的なサブセット修復セマンティクスに基づいて,いくつかの選好基準を示す。
優先基準が適用できない場合と同様の計算複雑性を維持可能であることを示す。
論文 参考訳（メタデータ） (2024-02-14T15:51:55Z) - Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。
提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。
複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文 参考訳（メタデータ） (2023-06-09T08:30:51Z) - Inconsistency Handling in Prioritized Databases with Universal Constraints: Complexity Analysis and Links with Active Integrity Constraints [5.87010466783654]
本稿では,普遍的な制約を備えた一貫性のないデータベースを修復・クエリする問題を再考する。
我々は対称的な差分修復を採用しており、削除と事実の追加の両方を一貫性の回復に利用することができる。
より単純な否定的制約と、事実の削除のみに基づいて定義された、既存の最適修復の概念が、よりリッチな設定に適切に拡張可能であることを示す。
論文 参考訳（メタデータ） (2023-06-06T09:17:56Z) - Rethinking Complex Queries on Knowledge Graphs with Neural Link Predictors [58.340159346749964]
本稿では,証明可能な推論能力を備えた複雑なクエリを用いたエンドツーエンド学習を支援するニューラルシンボリック手法を提案する。
これまでに検討されていない10種類の新しいクエリを含む新しいデータセットを開発する。
提案手法は,新しいデータセットにおいて先行手法を著しく上回り,既存データセットにおける先行手法を同時に上回っている。
論文 参考訳（メタデータ） (2023-04-14T11:35:35Z) - Understanding and Constructing Latent Modality Structures in Multi-modal
Representation Learning [53.68371566336254]
優れたパフォーマンスの鍵は、完全なモダリティアライメントではなく、有意義な潜在モダリティ構造にある、と我々は主張する。
具体的には,1)モダリティ内正規化のための深い特徴分離損失,2)モダリティ間正規化のためのブラウン橋損失,3)モダリティ内正規化およびモダリティ間正規化のための幾何学的整合損失を設計する。
論文 参考訳（メタデータ） (2023-03-10T14:38:49Z) - Relational Proxies: Emergent Relationships as Fine-Grained
Discriminators [52.17542855760418]
本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。
我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。
また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
論文 参考訳（メタデータ） (2022-10-05T11:08:04Z) - Querying Inconsistent Prioritized Data with ORBITS: Algorithms,
Implementation, and Experiments [12.952483242045366]
優先順位付けされた知識ベース上で不整合耐性問合せ応答を行うための実用的なアルゴリズムについて検討する。
最適補修の2つの概念に基づく3つのよく知られた意味論(AR, IAR, 勇敢)を考える(パレート, 完成)。
論文 参考訳（メタデータ） (2022-02-16T10:44:39Z) - Multi-task Learning of Order-Consistent Causal Graphs [59.9575145128345]
我々は、$K関連ガウス非巡回グラフ(DAG)の発見問題を考える。
マルチタスク学習環境下では, 線形構造方程式モデルを学習するためのMLE ($l_1/l$-regularized maximum chance estimator) を提案する。
理論的には、関係するタスクにまたがるデータを活用することで、因果順序を復元する際のサンプルの複雑さをより高めることができることを示す。
論文 参考訳（メタデータ） (2021-11-03T22:10:18Z) - Analyzing Semantics of Aggregate Answer Set Programming Using
Approximation Fixpoint Theory [1.295566630218982]
三項満足関係の概念を導入し、その観点から安定した意味論を定義する。
3次満足度関係は,標準ゲルフォンド・リフシッツレダクトと,AFTの枠組みで定義された安定意味論のギャップを橋渡しすることを示す。
論文 参考訳（メタデータ） (2021-04-30T07:06:27Z) - Task-Feature Collaborative Learning with Application to Personalized
Attribute Prediction [166.87111665908333]
本稿では,TFCL(Task-Feature Collaborative Learning)と呼ばれる新しいマルチタスク学習手法を提案する。
具体的には、まず、特徴とタスクの協調的なグループ化を活用するために、不均一なブロック対角構造正規化器を用いたベースモデルを提案する。
実際の拡張として,重なり合う機能と難易度を区別することで,基本モデルを拡張します。
論文 参考訳（メタデータ） (2020-04-29T02:32:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。