論文の概要: SHACL Satisfiability and Containment (Extended Paper)

• arxiv url: http://arxiv.org/abs/2009.09806v2
• Date: Thu, 5 Nov 2020 10:55:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-23 07:36:32.249310
• Title: SHACL Satisfiability and Containment (Extended Paper)
• Title（参考訳）: SHACLの満足度と含有度(拡張紙)
• Authors: Paolo Pareti and George Konstantinidis and Fabio Mogavero and Timothy J. Norman
• Abstract要約: Shapes Constraint Language (SHACL)は、RDFデータを検証するための最近のW3C勧告言語である。 本稿では、SCLと呼ばれる新しい一階述語言語への翻訳を提供することにより、再帰的でないSHACLの異なる特徴を徹底的に研究する。 この論理学におけるSHACLの特徴の相互作用について検討し、上記のSHACLサブ言語に対する決定問題の決定可能性と複雑性の詳細なマップを提供する。
• 参考スコア（独自算出の注目度）: 6.308539010172308
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Shapes Constraint Language (SHACL) is a recent W3C recommendation language for validating RDF data. Specifically, SHACL documents are collections of constraints that enforce particular shapes on an RDF graph. Previous work on the topic has provided theoretical and practical results for the validation problem, but did not consider the standard decision problems of satisfiability and containment, which are crucial for verifying the feasibility of the constraints and important for design and optimization purposes. In this paper, we undertake a thorough study of different features of non-recursive SHACL by providing a translation to a new first-order language, called SCL, that precisely captures the semantics of SHACL w.r.t. satisfiability and containment. We study the interaction of SHACL features in this logic and provide the detailed map of decidability and complexity results of the aforementioned decision problems for different SHACL sublanguages. Notably, we prove that both problems are undecidable for the full language, but we present decidable combinations of interesting features.
• Abstract（参考訳）: Shapes Constraint Language (SHACL)は、RDFデータを検証するための最近のW3C勧告言語である。 具体的には、SHACL文書はRDFグラフ上の特定の形状を強制する制約の集合である。 このトピックに関するこれまでの研究は、検証問題に対する理論的および実践的な結果を提供してきたが、制約の実現可能性を検証する上で不可欠であり、設計と最適化の目的にとって重要な、満足度と封じ込めの標準的決定問題を考慮しなかった。 本稿では,SHACLの適合性と包含性に関するセマンティクスを正確に把握する,SCLと呼ばれる新しい一階言語への翻訳を提供することにより,再帰的でないSHACLの異なる特徴について,徹底的に研究する。 この論理学におけるSHACLの特徴の相互作用について検討し、上記のSHACLサブ言語に対する決定問題の決定可能性と複雑性の詳細なマップを提供する。 特に、両問題が完全な言語では決定不能であることを示すが、興味深い特徴の組み合わせは決定不可能である。

関連論文リスト

• Benchmarking Complex Instruction-Following with Multiple Constraints Composition [72.82640456309821]
  大規模言語モデル(LLM)の複雑な命令追従能力の評価方法が重要な研究課題となっている。 既存のベンチマークは主に、異なる制約の構成を無視しながら、人間の指示で異なるタイプの制約をモデル化することに焦点を当てている。 複数の制約からなる複雑な命令に従うLLMの能力を総合的に評価するためのベンチマークである ComplexBench を提案する。
  論文  参考訳（メタデータ） (2024-07-04T14:50:45Z)
• C-LLM: Learn to Check Chinese Spelling Errors Character by Character [61.53865964535705]
  本稿では,C-LLMを提案する。C-LLMは,文字による誤り文字のチェックを学習する中国語のスペルチェック手法である。 C-LLMは既存の方法よりも平均10%改善する。
  論文  参考訳（メタデータ） (2024-06-24T11:16:31Z)
• SHACL2FOL: An FOL Toolkit for SHACL Decision Problems [0.4895118383237099]
  我々は、SHACL文書をFOL文に変換する最初の自動ツールであるSHACL2FOLを紹介する。 このツールは、満足度と包含性の2つの静的解析問題に対する解を計算する。 また、一連の制約に関してグラフの有効性をテストすることもできる。
  論文  参考訳（メタデータ） (2024-06-12T09:20:25Z)
• LaSagnA: Language-based Segmentation Assistant for Complex Queries [39.620806493454616]
  視覚のための大規模言語モデル(vLLM)は、バウンディングボックスやマスクを含む知覚結果を生成する。 本研究では,これらの問題の主な原因が,学習クエリの複雑さの不足であることを認めた。 本稿では,提案フォーマットの直接統合による課題を効果的に解決するための3つの新しい戦略を提案する。
  論文  参考訳（メタデータ） (2024-04-12T14:40:45Z)
• Spurious Feature Eraser: Stabilizing Test-Time Adaptation for Vision-Language Foundation Model [86.9619638550683]
  視覚言語基礎モデルは、画像とテキストのペアデータに拡張性があるため、多数の下流タスクで顕著な成功を収めている。 しかし、これらのモデルは、決定ショートカットの結果、きめ細かな画像分類などの下流タスクに適用した場合に重大な制限を呈する」。
  論文  参考訳（メタデータ） (2024-03-01T09:01:53Z)
• A Review of SHACL: From Data Validation to Schema Reasoning for RDF Graphs [3.274290296343038]
  本稿では,RDFデータ検証のためのW3Cレコメンデーション言語であるShapes Constraint Language (SHACL)の紹介とレビューを行う。 SHACL文書はRDFノード上の一連の制約を記述しており、ノードがこれらの制約を満たす場合、グラフは文書に対して有効である。
  論文  参考訳（メタデータ） (2021-12-02T17:28:45Z)
• Fixpoint Semantics for Recursive SHACL [10.896533521085784]
  SHACLは、RDFグラフの構造的制約を表現するためのW3C提案言語である。 本稿では,SHACLのセマンティクスを定義し,研究するために,非単調推論における長年の研究から教訓を学ぶことができることを論じる。
  論文  参考訳（メタデータ） (2021-09-17T01:46:09Z)
• Satisfiability and Containment of Recursive SHACL [4.8986598953553555]
  シェープ制約言語(Shapes Constraint Language, SHACL)は、グラフ上の特定の形状を検証することでRDFデータを検証するための最近のW3C勧告言語である。 これまでの研究は、バリデーション問題と、満足度と封じ込めの標準決定問題に主に焦点を合わせてきた。 我々は、SHACLのセマンティクスを正確に把握するSCLと呼ばれる新しい一階言語への翻訳を提供することにより、SHACLの異なる特徴を包括的に研究する。 また、SCLの2階拡張であるMSCLを提示し、単一の形式論理フレームワーク、メインで定義できるようにしました。
  論文  参考訳（メタデータ） (2021-08-30T08:51:03Z)
• An Efficient Diagnosis Algorithm for Inconsistent Constraint Sets [68.8204255655161]
  過制約問題における最小限の障害制約を識別する分割・分散型診断アルゴリズム(FastDiag)を提案する。 ヒットセットの競合指向計算とfastdiagを比較し,詳細な性能解析を行う。
  論文  参考訳（メタデータ） (2021-02-17T19:55:42Z)
• Joint Contrastive Learning with Infinite Possibilities [114.45811348666898]
  本稿では,新しい確率論的モデリングによるコントラスト学習における最近の発展の有用性について考察する。 コントラスト学習(Joint Contrastive Learning, JCL)という,コントラスト学習の特定の形態を導出する。
  論文  参考訳（メタデータ） (2020-09-30T16:24:21Z)
• The Curse of Performance Instability in Analysis Datasets: Consequences, Source, and Suggestions [93.62888099134028]
  自然言語推論(NLI)および読み込み(RC)解析/ストレスセットにおける最先端モデルの性能は極めて不安定であることがわかった。 このことは、(1)不安定さがこれらの分析セットに基づいて引き出された結論の信頼性にどのように影響するかという3つの疑問を提起する。 不安定の原因に関する理論的説明と実証的証拠の両方を提示する。
  論文  参考訳（メタデータ） (2020-04-28T15:41:12Z)

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。