論文の概要: Geometric Models for (Temporally) Attributed Description Logics
- arxiv url: http://arxiv.org/abs/2108.12239v1
- Date: Fri, 27 Aug 2021 12:40:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-30 16:13:22.425088
- Title: Geometric Models for (Temporally) Attributed Description Logics
- Title（参考訳）: 時間的)分布記述論理のための幾何学的モデル
- Authors: Camille Bourgaux, Ana Ozaki, Jeff Z. Pan
- Abstract要約: DL言語と知識グラフのギャップを埋めるために、分散記述ロジック(DL)が定義されている。
本稿では,DL-Liteファミリーのホルン方言の属性バージョンに着目し,それらの互換性について検討する。
時間的特性を持つDLは一般に凸幾何学モデルを持たないが,時間的属性の使用に制限を加えることで幾何的満足度を回復できることを示す。
- 参考スコア（独自算出の注目度）: 21.027712454317047
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the search for knowledge graph embeddings that could capture ontological
knowledge, geometric models of existential rules have been recently introduced.
It has been shown that convex geometric regions capture the so-called
quasi-chained rules. Attributed description logics (DL) have been defined to
bridge the gap between DL languages and knowledge graphs, whose facts often
come with various kinds of annotations that may need to be taken into account
for reasoning. In particular, temporally attributed DLs are enriched by
specific attributes whose semantics allows for some temporal reasoning.
Considering that geometric models and (temporally) attributed DLs are promising
tools designed for knowledge graphs, this paper investigates their
compatibility, focusing on the attributed version of a Horn dialect of the
DL-Lite family. We first adapt the definition of geometric models to attributed
DLs and show that every satisfiable ontology has a convex geometric model. Our
second contribution is a study of the impact of temporal attributes. We show
that a temporally attributed DL may not have a convex geometric model in
general but we can recover geometric satisfiability by imposing some
restrictions on the use of the temporal attributes.
- Abstract（参考訳）: 存在論的知識を捉えうる知識グラフ埋め込みの探索において、存在規則の幾何学的モデルが最近導入された。
凸幾何領域はいわゆる準連鎖規則を捉えることが示されている。
帰結記述論理(dl)は、dl言語と知識グラフの間のギャップを埋めるために定義されており、その事実は、推論のために考慮される必要がある様々なアノテーションを伴うことが多い。
特に、時間的属性のDLは、意味論が時間的推論を許容する特定の属性によって富む。
本稿では,dl-liteファミリーのホルン方言の帰属的バージョンに着目し,知識グラフのための有望なツールである幾何モデルと(一時的)帰属dlsを考察する。
まず幾何学的モデルの定義を帰結したdlsに適用し、すべての満足できるオントロジーが凸幾何学的モデルを持つことを示す。
第2の貢献は、時間的属性の影響についての研究です。
時間的特性を持つDLは一般に凸幾何学モデルを持たないが,時間的属性の使用に制限を加えることで幾何的満足度を回復できることを示す。
関連論文リスト
- Arbitrary Time Information Modeling via Polynomial Approximation for Temporal Knowledge Graph Embedding [23.39851202825318]
時間知識グラフ(TKG)は、時間的に進化する事実を適切に探索し、推論する必要がある。
既存のTKGアプローチは、任意のタイムスタンプを連続的にモデル化する限られた能力と、時間的制約の下での豊富な推論パターンの欠如という、2つの大きな課題に直面している。
本稿では,分解に基づく時間的表現と埋め込みに基づく実体表現による革新的なTKGE法を提案する。
論文 参考訳（メタデータ） (2024-05-01T07:27:04Z) - Shape Arithmetic Expressions: Advancing Scientific Discovery Beyond Closed-Form Equations [56.78271181959529]
GAM(Generalized Additive Models)は、変数とターゲットの間の非線形関係をキャプチャできるが、複雑な特徴相互作用をキャプチャすることはできない。
本稿では,GAMのフレキシブルな形状関数と,数学的表現に見られる複雑な特徴相互作用を融合させる形状表現算術(SHARE)を提案する。
また、標準制約を超えた表現の透明性を保証するSHAREを構築するための一連のルールを設計する。
論文 参考訳（メタデータ） (2024-04-15T13:44:01Z) - A Survey of Geometric Graph Neural Networks: Data Structures, Models and
Applications [67.33002207179923]
本稿では、幾何学的GNNに関するデータ構造、モデル、および応用について調査する。
幾何学的メッセージパッシングの観点から既存のモデルの統一的なビューを提供する。
また、方法論開発と実験評価の後の研究を促進するために、アプリケーションと関連するデータセットを要約する。
論文 参考訳（メタデータ） (2024-03-01T12:13:04Z) - HGE: Embedding Temporal Knowledge Graphs in a Product Space of
Heterogeneous Geometric Subspaces [31.808046956138757]
時間的知識グラフは時間的事実を表す。 $(s,p,o,tau)$ 主題 $s$ とオブジェクト $o$ at time $tau$。
本稿では,時間的事実を,異なる幾何学的性質を持つ不均一な幾何部分空間の積空間にマッピングする埋め込み手法を提案する。
論文 参考訳（メタデータ） (2023-12-21T09:04:30Z) - Topological Obstructions and How to Avoid Them [22.45861345237023]
局所最適性は特異点や不正確な次数や巻数によって生じる可能性があることを示す。
本稿では,データポイントを幾何学空間上のマルチモーダル分布にマッピングするフローベースモデルを提案する。
論文 参考訳（メタデータ） (2023-12-12T18:56:14Z) - From axioms over graphs to vectors, and back again: evaluating the
properties of graph-based ontology embeddings [78.217418197549]
埋め込みを生成するアプローチの1つは、名前付きエンティティと論理公理構造のためのノードとエッジのセットを導入することである。
グラフに埋め込む方法(グラフ射影)は、それらが利用する公理の種類と異なる性質を持つ。
論文 参考訳（メタデータ） (2023-03-29T08:21:49Z) - Dual Box Embeddings for the Description Logic EL++ [16.70961576041243]
知識グラフ(KG)と同様に、知識グラフはしばしば不完全であり、それらの維持と構築は困難であることが証明された。
KGsと同様に、有望なアプローチは、潜在ベクトル空間への埋め込みを学習し、基礎となるDLのセマンティクスに固執することである。
そこで本研究では,概念と役割をボックスとして表現した,DL EL++用のBox$2$ELという新しいオントロジー埋め込み手法を提案する。
論文 参考訳（メタデータ） (2023-01-26T14:13:37Z) - A Survey of Knowledge Graph Reasoning on Graph Types: Static, Dynamic,
and Multimodal [57.8455911689554]
知識グラフ推論(KGR)は、知識グラフに基づくマイニング論理則に基づいて、既存の事実から新しい事実を推論することを目的としている。
質問応答やレコメンデーションシステムなど、多くのAIアプリケーションでKGを使うことに大きなメリットがあることが証明されている。
論文 参考訳（メタデータ） (2022-12-12T08:40:04Z) - Realization of Causal Representation Learning to Adjust Confounding Bias
in Latent Space [28.133104562449212]
因果DAG (Directed Acyclic Graphs) は通常、2次元平面において考慮される。
本稿では,変数の値がもはや時間スタンプに依存しておらず,時系列を軸と見なすことができるEmphdo-DAGとして因果DAGを再定義する。
論文 参考訳（メタデータ） (2022-11-15T23:35:15Z) - Duality-Induced Regularizer for Semantic Matching Knowledge Graph
Embeddings [70.390286614242]
本稿では, 類似のセマンティクスを持つエンティティの埋め込みを効果的に促進する新しい正規化器(duality-induced RegulArizer (DURA))を提案する。
実験により、DURAは、最先端のセマンティックマッチングモデルの性能を一貫して改善することを示した。
論文 参考訳（メタデータ） (2022-03-24T09:24:39Z) - ConE: Cone Embeddings for Multi-Hop Reasoning over Knowledge Graphs [73.86041481470261]
Cone Embeddings (ConE) は、接続、解離、否定を扱える最初の幾何学ベースのクエリ埋め込みモデルである。
ConEは、ベンチマークデータセットの既存の最先端メソッドを大幅に上回る。
論文 参考訳（メタデータ） (2021-10-26T14:04:02Z)
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。