論文の概要: Logical Separability of Labeled Data Examples under Ontologies
- arxiv url: http://arxiv.org/abs/2007.01610v2
- Date: Wed, 17 Aug 2022 12:29:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 05:56:41.061684
- Title: Logical Separability of Labeled Data Examples under Ontologies
- Title（参考訳）: オントロジー下におけるラベル付きデータ例の論理的分離性
- Authors: Jean Christoph Jung, Carsten Lutz, Hadrien Pulcini, Frank Wolter
- Abstract要約: オントロジーの存在下でのデータの分離式の存在について検討する。
分離するために、説明ロジック $mathcalALCI$、ガードされたフラグメント、2変数のフラグメント、ガードされたフラグメントを検討します。
本研究は, 分離可能性のモデル理論的特徴, 異なる言語の分離能力の比較, 分離性を決定する計算複雑性について検討した。
- 参考スコア（独自算出の注目度）: 23.800397174740986
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Finding a logical formula that separates positive and negative examples given
in the form of labeled data items is fundamental in applications such as
concept learning, reverse engineering of database queries, generating referring
expressions, and entity comparison in knowledge graphs. In this paper, we
investigate the existence of a separating formula for data in the presence of
an ontology. Both for the ontology language and the separation language, we
concentrate on first-order logic and the following important fragments thereof:
the description logic $\mathcal{ALCI}$, the guarded fragment, the two-variable
fragment, and the guarded negation fragment. For separation, we also consider
(unions of) conjunctive queries. We consider several forms of separability that
differ in the treatment of negative examples and in whether or not they admit
the use of additional helper symbols to achieve separation. Our main results
are model-theoretic characterizations of (all variants of) separability, the
comparison of the separating power of different languages, and the
investigation of the computational complexity of deciding separability.
- Abstract（参考訳）: ラベル付きデータ項目の形式で与えられる正と負の例を分離する論理式を見つけることは、概念学習、データベースクエリのリバースエンジニアリング、参照式の生成、知識グラフにおけるエンティティ比較などのアプリケーションにおいて基礎となる。
本稿では,オントロジーの存在下でのデータの分離式の存在について検討する。
オントロジー言語と分離言語については、一階述語論理とそれに続く重要な断片、例えば、記述ロジック $\mathcal{ALCI}$、ガードされたフラグメント、2変数のフラグメント、ガードされた否定フラグメントに重点を置いています。
分離のために、連結クエリ(結合)も検討する。
否定的な例の扱いと、分離を達成するために追加のヘルパーシンボルの使用を認めるか否かで異なるいくつかの分離性について考察する。
本研究の主な成果は、分離可能性のモデル理論的特徴付け、異なる言語の分離能力の比較、分離性を決定する計算複雑性の調査である。
関連論文リスト
- H-STAR: LLM-driven Hybrid SQL-Text Adaptive Reasoning on Tables [56.73919743039263]
本稿では,2段階のプロセスにシンボル的アプローチと意味的アプローチ(テキスト的アプローチ)を統合し,制約に対処する新しいアルゴリズムを提案する。
実験の結果,H-STARは3つの質問応答(QA)と事実検証データセットにおいて,最先端の手法を大幅に上回っていることがわかった。
論文 参考訳（メタデータ） (2024-06-29T21:24:19Z) - An Encoding of Abstract Dialectical Frameworks into Higher-Order Logic [57.24311218570012]
このアプローチは抽象弁証法フレームワークのコンピュータ支援分析を可能にする。
応用例としては、メタ理論的性質の形式的解析と検証がある。
論文 参考訳（メタデータ） (2023-12-08T09:32:26Z) - LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and
Reasoning [73.98142349171552]
LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。
ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。
これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
論文 参考訳（メタデータ） (2023-09-24T05:43:19Z) - Modeling Hierarchical Reasoning Chains by Linking Discourse Units and
Key Phrases for Reading Comprehension [80.99865844249106]
本稿では,論理的推論の基盤として,対話レベルと単語レベルの両方の文脈を扱う総合グラフネットワーク(HGN)を提案する。
具体的には、ノードレベルの関係とタイプレベルの関係は、推論過程におけるブリッジと解釈できるが、階層的な相互作用機構によってモデル化される。
論文 参考訳（メタデータ） (2023-06-21T07:34:27Z) - Tackling Morphological Analogies Using Deep Learning -- Extended Version [8.288496996031684]
分析比例は "A is to B as C is to D" という形の言明である
本稿では,Deep Learningを用いて形態的類似を検知し,解決する手法を提案する。
複数の言語にまたがる類似検出と分解能において,本モデルの競合性能を実証する。
論文 参考訳（メタデータ） (2021-11-09T13:45:23Z) - Weakly-Supervised Aspect-Based Sentiment Analysis via Joint
Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。
We learn sentiment, aspects> joint topic embeddeds in the word embedding space。
次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文 参考訳（メタデータ） (2020-10-13T21:33:24Z) - Few-shot Visual Reasoning with Meta-analogical Contrastive Learning [141.2562447971]
本稿では,類似推論に頼って,数ショット(または低ショット)の視覚推論問題を解くことを提案する。
両領域の要素間の構造的関係を抽出し、類似学習と可能な限り類似するように強制する。
RAVENデータセット上での本手法の有効性を検証し, トレーニングデータが少ない場合, 最先端の手法より優れることを示す。
論文 参考訳（メタデータ） (2020-07-23T14:00:34Z) - Separating Positive and Negative Data Examples by Concepts and Formulas:
The Case of Restricted Signatures [23.800397174740986]
本稿では, 論理概念と論理式の観点から, 正および負のデータ例の分離について検討する。
負の例がどのように扱われるかが異なる結果の弱いバージョンと強いバージョンを考察する。
論文 参考訳（メタデータ） (2020-07-06T11:58:02Z) - Logical Inferences with Comparatives and Generalized Quantifiers [18.58482811176484]
自然言語推論タスクでは,比較のための論理推論システムが十分に開発されていない。
英語の様々な比較構成をカテゴリー文法(CCG)を通して意味表現にマッピングする構成意味論を提案する。
このシステムは,最近のディープラーニングモデルと同様に,従来の論理ベースのシステムよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-05-16T11:11:48Z) - A logic-based relational learning approach to relation extraction: The
OntoILPER system [0.9176056742068812]
論理に基づく関係学習手法OntoILPERを提案する。
OntoILPERは、例のリッチなリレーショナル表現の利益を享受し、欠点を軽減することができる。
提案手法は統計的手法よりも関係抽出に適していると考えられる。
論文 参考訳（メタデータ） (2020-01-13T12:47:49Z)
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。