論文の概要: Automated Reasoning in Temporal DL-Lite
- arxiv url: http://arxiv.org/abs/2008.07463v1
- Date: Mon, 17 Aug 2020 16:40:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-28 03:54:12.251463
- Title: Automated Reasoning in Temporal DL-Lite
- Title(参考訳): 一時的DL-Liteにおける自動推論
- Authors: Sabiha Tahrat, German Braun, Alessandro Artale, Marco Gario, and Ana
Ozaki
- Abstract要約: 本稿では,時間的DL-Lite(TDL-Lite)知識ベース(KB)に対する自動推論の実現可能性について検討する。
我々は,TDL-Lite KB の満足度を確認するために,市販の推論器を用いてテストする。
TDL-Lite KB の使用を現実的なものにするために,グラフィカルなインタフェースを備えた本格的なツールを提案する。
- 参考スコア(独自算出の注目度): 65.9825143048822
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper investigates the feasibility of automated reasoning over temporal
DL-Lite (TDL-Lite) knowledge bases (KBs). We test the usage of off-the-shelf
LTL reasoners to check satisfiability of TDL-Lite KBs. In particular, we test
the robustness and the scalability of reasoners when dealing with TDL-Lite
TBoxes paired with a temporal ABox. We conduct various experiments to analyse
the performance of different reasoners by randomly generating TDL-Lite KBs and
then measuring the running time and the size of the translations. Furthermore,
in an effort to make the usage of TDL-Lite KBs a reality, we present a fully
fledged tool with a graphical interface to design them. Our interface is based
on conceptual modelling principles and it is integrated with our translation
tool and a temporal reasoner.
- Abstract(参考訳): 本稿では,時間的DL-Lite(TDL-Lite)知識ベース(KB)に対する自動推論の実現可能性について検討する。
TDL-Lite KB の満足度を確認するために,既製の LTL 推論器を用いて実験を行った。
特に, TDL-Lite TBoxes と時間的 ABox を組み合わせた場合のロバスト性と拡張性を検証した。
我々は,TDL-Lite KBをランダムに生成し,実行時間と翻訳サイズを計測することにより,異なる推論器の性能を解析する様々な実験を行った。
さらに, tdl-lite kbs の使用を現実にしようとする試みとして, 設計のためのグラフィカルインタフェースを備えた本格的なツールを提案する。
私たちのインターフェースは概念モデリングの原則に基づいており、翻訳ツールや時間的推論と統合されています。
関連論文リスト
- PPTC-R benchmark: Towards Evaluating the Robustness of Large Language
Models for PowerPoint Task Completion [96.47420221442397]
文,意味,多言語レベルでユーザ命令を攻撃することにより,逆ユーザ命令を構築する。
我々は、ロバストネス設定を組み込んだベンチマークを用いて、3つのクローズドソースと4つのオープンソースLCMをテストする。
GPT-4は我々のベンチマークで最も高い性能と強靭性を示す。
論文 参考訳(メタデータ) (2024-03-06T15:33:32Z) - AutoTimes: Autoregressive Time Series Forecasters via Large Language
Models [72.77653698874678]
本稿では,大規模言語モデル(LLM)を自動回帰時系列予測器として活用するためにAutoTimesを提案する。
提案手法は, LLM, 追加テキスト, 時系列を命令として利用することにより, 顕著な手法の一般化を実現し, 性能の向上を実現している。
論文 参考訳(メタデータ) (2024-02-04T06:59:21Z) - Large Language Models Can Learn Temporal Reasoning [12.671697405714076]
言語に基づく時間的推論のための新しいフレームワークTG-LLMを提案する。
具体的には、まずLLMにコンテキストを時間グラフ(TG)に変換するように教える。
論文 参考訳(メタデータ) (2024-01-12T19:00:26Z) - Enhancing IoT Security via Automatic Network Traffic Analysis: The
Transition from Machine Learning to Deep Learning [0.0]
この研究は、IoT(Internet of Things)内のタスクに対処する上で、ディープラーニング(DL)が機械学習(ML)を上回る方法を示す比較分析を提供する。
このアプローチでは,さまざまなIoT関連データセットを使用して,DLモデルをトレーニングし,評価する。
実験では、DLが手動で設計した機能に関連する制約を克服し、攻撃検出およびデバイスタイプの識別において同等の結果を維持する能力を示す。
論文 参考訳(メタデータ) (2023-11-20T16:48:50Z) - Do Large Language Models Know about Facts? [60.501902866946]
大規模言語モデル(LLM)は、最近、さまざまな自然言語処理タスクにおいて、大幅なパフォーマンス改善を推進している。
我々は,ベンチマークPinocchioを設計し,LLM内の事実知識の範囲と範囲を評価することを目的とする。
Pinocchioには、異なるソース、タイムライン、ドメイン、リージョン、言語にまたがる20万のさまざまな事実質問が含まれている。
論文 参考訳(メタデータ) (2023-10-08T14:26:55Z) - Self-Checker: Plug-and-Play Modules for Fact-Checking with Large
Language Models [24.124504832000564]
Self-Checkerはファクトチェックを容易にするプラグインとプレイモジュールからなるフレームワークである。
このフレームワークは、低リソース環境でファクトチェックシステムを構築するための、高速で効率的な方法を提供する。
論文 参考訳(メタデータ) (2023-05-24T01:46:07Z) - Standpoint Linear Temporal Logic [2.552459629685159]
本稿では,表象の時間的特徴とSLのマルチパースペクティブ・モデリング能力を組み合わせた新たな論理である,点点線形時間論理(SLTL)を提案する。
論理SLTLとその構文とその意味を定義し、決定可能性を確立し、複雑性を減らし、SLTL推論を自動化するための表計算を提供する。
論文 参考訳(メタデータ) (2023-04-27T15:03:38Z) - Prompt Learning for Few-Shot Dialogue State Tracking [75.50701890035154]
本稿では,限られたラベル付きデータを用いて,対話状態追跡(DST)モデルを効率的に学習する方法に焦点を当てる。
本稿では,2つの主要なコンポーネントである値ベースプロンプトと逆プロンプト機構からなる,数ショットDSTのためのプロンプト学習フレームワークを設計する。
実験により、我々のモデルは未確認のスロットを生成し、既存の最先端の数ショット法より優れていることが示された。
論文 参考訳(メタデータ) (2022-01-15T07:37:33Z) - Multimodal Transformer with Variable-length Memory for
Vision-and-Language Navigation [79.1669476932147]
VLN(Vision-and-Language Navigation)は、エージェントが目標位置に向かうために言語命令に従う必要があるタスクである。
近年のTransformer-based VLN法は,視覚的観察と言語指導の直接的な結びつきから大きな進歩を遂げている。
視覚的な自然言語ナビゲーションのための可変長メモリ(MTVM)を備えたマルチモーダルトランス (Multimodal Transformer) を提案する。
論文 参考訳(メタデータ) (2021-11-10T16:04:49Z) - Cleaning Inconsistent Data in Temporal DL-Lite Under Best Repair
Semantics [0.0]
本稿では,時間記述論理(TDL)知識ベースにおける一貫性のないデータ処理の問題に対処する。
本稿では,知識ベースのデータ部分を不整合の原因として考慮し,ABox修復手法を提案する。
論文 参考訳(メタデータ) (2021-08-27T07:45:01Z)
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。