論文の概要: Reasoning on $\textit{DL-Lite}_{\cal R}$ with Defeasibility in ASP
- arxiv url: http://arxiv.org/abs/2106.14801v2
- Date: Wed, 30 Jun 2021 13:51:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-01 12:42:06.227022
- Title: Reasoning on $\textit{DL-Lite}_{\cal R}$ with Defeasibility in ASP
- Title（参考訳）: ASP.NET で定義可能な $\textit{DL-Lite}_{\cal R}$ の推論
- Authors: Loris Bozzato, Thomas Eiter, Luciano Serafini
- Abstract要約: 我々は,不可能な公理を持つ知識ベースを$textitDL-Lite_cal R$で定義し,それらの意味的および計算的性質について検討する。
制限形式である$textitDL-Lite_cal R$ axiomsにより、より単純なASPエンコーディングを定式化できます。
- 参考スコア（独自算出の注目度）: 16.79080135184303
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reasoning on defeasible knowledge is a topic of interest in the area of
description logics, as it is related to the need of representing exceptional
instances in knowledge bases. In this direction, in our previous works we
presented a framework for representing (contextualized) OWL RL knowledge bases
with a notion of justified exceptions on defeasible axioms: reasoning in such
framework is realized by a translation into ASP programs. The resulting
reasoning process for OWL RL, however, introduces a complex encoding in order
to capture reasoning on the negative information needed for reasoning on
exceptions. In this paper, we apply the justified exception approach to
knowledge bases in $\textit{DL-Lite}_{\cal R}$, i.e., the language underlying
OWL QL. We provide a definition for $\textit{DL-Lite}_{\cal R}$ knowledge bases
with defeasible axioms and study their semantic and computational properties.
In particular, we study the effects of exceptions over unnamed individuals. The
limited form of $\textit{DL-Lite}_{\cal R}$ axioms allows us to formulate a
simpler ASP encoding, where reasoning on negative information is managed by
direct rules. The resulting materialization method gives rise to a complete
reasoning procedure for instance checking in $\textit{DL-Lite}_{\cal R}$ with
defeasible axioms. Under consideration in Theory and Practice of Logic
Programming (TPLP).
- Abstract（参考訳）: 難解な知識に対する推論は、知識ベースにおける例外的な事例を表現する必要性に関連するため、記述論理の領域における関心のトピックである。
この方向において,本論文では,決定可能な公理に対する正当化された例外の概念を持つOWL RL知識ベースを表現するためのフレームワークを提示した。
しかし、OWL RLの結果として生じる推論プロセスは、例外の推論に必要な負の情報に対する推論を捉えるために複雑な符号化を導入している。
本稿では, OWL QL を基盤とする言語である $\textit{DL-Lite}_{\cal R}$ の知識ベースに対して, 正当化された例外アプローチを適用する。
証明可能な公理を持つ$\textit{dl-lite}_{\cal r}$ の知識ベースを定義し、それらの意味的および計算的性質について研究する。
特に,名前のない個人に対する例外の影響について検討する。
制限形式である$\textit{DL-Lite}_{\cal R}$ axiomsは、より単純なASPエンコーディングを定式化できます。
結果の実体化法は、例えば $\textit{DL-Lite}_{\cal R}$ で defeasible axioms を持つような完全な推論手順をもたらす。
論理プログラミングの理論と実践(tplp)における考察。
関連論文リスト
- Generating $SROI^-$ Ontologies via Knowledge Graph Query Embedding Learning [26.905431434167536]
本稿では,このグラフから学習した知識を,SROI-$記述論理公理の形で記述する新しいクエリ埋め込み手法AConEを提案する。
AConEはパラメータが少なく、以前のベースラインよりも優れた結果が得られる。
我々は,公理を表現する能力が問合せ応答の結果に肯定的な影響を及ぼすことを示す包括的分析を行った。
論文 参考訳（メタデータ） (2024-07-12T12:20:39Z) - Logicbreaks: A Framework for Understanding Subversion of Rule-based Inference [20.057611113206324]
本研究では,大規模言語モデル (LLM) を早急に規定された規則に従う方法について検討する。
LLMはそのような規則を忠実に従えるが、悪意のあるプロンプトは理想化された理論的なモデルさえも誤解させる可能性があることを証明している。
論文 参考訳（メタデータ） (2024-06-21T19:18:16Z) - LogicBench: Towards Systematic Evaluation of Logical Reasoning Ability of Large Language Models [52.03659714625452]
最近開発された大規模言語モデル (LLM) は、幅広い言語理解タスクにおいて非常によく機能することが示されている。
しかし、それらは自然言語に対して本当に「理性」があるのだろうか?
この疑問は研究の注目を集めており、コモンセンス、数値、定性的など多くの推論技術が研究されている。
論文 参考訳（メタデータ） (2024-04-23T21:08:49Z) - Do Large Language Models Understand Logic or Just Mimick Context? [14.081178100662163]
本稿では,2つの論理的推論データセット上での大規模言語モデル(LLM)の推論能力について検討する。
LLMは論理規則を真に理解していないことが判明した。むしろ、文脈内学習は、これらのモデルが正しい解に到達する可能性を高めている。
論文 参考訳（メタデータ） (2024-02-19T12:12:35Z) - Language Models can be Logical Solvers [99.40649402395725]
論理解法の推論過程を直接エミュレートする新しい言語モデルであるLoGiPTを導入する。
LoGiPTは、導出的ソルバの見えない推論過程を明らかにして精錬することから導かれる、新しく構築された命令チューニングデータセットに基づいて微調整される。
論文 参考訳（メタデータ） (2023-11-10T16:23:50Z) - LINC: A Neurosymbolic Approach for Logical Reasoning by Combining
Language Models with First-Order Logic Provers [60.009969929857704]
論理的推論は、科学、数学、社会に潜在的影響を与える可能性のある人工知能にとって重要なタスクである。
本研究では、LINCと呼ばれるモジュール型ニューロシンボリックプログラミングのようなタスクを再構成する。
我々は,FOLIOとProofWriterのバランスの取れたサブセットに対して,ほぼすべての実験条件下で,3つの異なるモデルに対して顕著な性能向上を観察した。
論文 参考訳（メタデータ） (2023-10-23T17:58:40Z) - Learning Deductive Reasoning from Synthetic Corpus based on Formal Logic [14.503982715625902]
本研究では,言語モデル(LM)に対する合成コーパスに基づくアプローチについて検討し,論理的帰納的推論能力を得る。
形式論理理論に基づく推論規則は,多段階的に組み合わせることで,他の推論規則を導出することができる。
我々は、FLDコーパスで訓練されたLMがより一般化可能な推論能力を取得することを実証的に検証した。
論文 参考訳（メタデータ） (2023-08-11T13:15:35Z) - Lattice-preserving $\mathcal{ALC}$ ontology embeddings with saturation [50.05281461410368]
OWL表現の埋め込みを生成するため,順序保存型埋め込み法を提案する。
本手法は,いくつかの知識ベース完了タスクにおいて,最先端の組込み手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-05-11T22:27:51Z) - APOLLO: A Simple Approach for Adaptive Pretraining of Language Models
for Logical Reasoning [73.3035118224719]
本稿では,論理的推論能力を改善した適応事前学習型言語モデルAPOLLOを提案する。
APOLLOはReClorで比較可能であり、LogiQAでベースラインを上回ります。
論文 参考訳（メタデータ） (2022-12-19T07:40:02Z) - Reasoning on Multi-Relational Contextual Hierarchies via Answer Set
Programming with Algebraic Measures [13.245718532835864]
コンテキスト化知識リポジトリ(CKR)は記述論理に根ざしているが、論理プログラムに強く関連している。
本稿では、複数の文脈関係に対するCKR階層の一般化と、デフェイザブルな公理と選好の解釈について述べる。
複数のコンテキスト関係を持つCKR階層の関連する断片に対して、クエリ応答は一般的なasprinフレームワークで実現可能であることを示す。
論文 参考訳（メタデータ） (2021-08-06T13:06:45Z) - Logic-Driven Context Extension and Data Augmentation for Logical
Reasoning of Text [65.24325614642223]
論理的な記号や表現をテキストで理解し、答えにたどり着くよう提案します。
このような論理的情報に基づいて,文脈拡張フレームワークとデータ拡張アルゴリズムを提案する。
本手法は最先端の性能を実現し,論理駆動コンテキスト拡張フレームワークとデータ拡張アルゴリズムの両方が精度向上に寄与する。
論文 参考訳（メタデータ） (2021-05-08T10:09:36Z)
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。