論文の概要: Characterizing the Program Expressive Power of Existential Rule Languages

• arxiv url: http://arxiv.org/abs/2112.08136v2
• Date: Fri, 17 Dec 2021 08:43:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-20 11:41:47.596674
• Title: Characterizing the Program Expressive Power of Existential Rule Languages
• Title（参考訳）: 存在規則言語のプログラム表現力の特徴付け
• Authors: Heng Zhang
• Abstract要約: 既存のルール言語は、in-mediated query answering (OMQA)で広く使われている。 プログラム表現力として知られるOMQAのドメイン知識を表現する表現力はまだ十分に理解されていない。 本稿では,いくつかの重要なルール言語のプログラム表現力について,新しい特徴を多数確立する。
• 参考スコア（独自算出の注目度）: 4.38078043834754
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existential rule languages are a family of ontology languages that have been widely used in ontology-mediated query answering (OMQA). However, for most of them, the expressive power of representing domain knowledge for OMQA, known as the program expressive power, is not well-understood yet. In this paper, we establish a number of novel characterizations for the program expressive power of several important existential rule languages, including tuple-generating dependencies (TGDs), linear TGDs, as well as disjunctive TGDs. The characterizations employ natural model-theoretic properties, and automata-theoretic properties sometimes, which thus provide powerful tools for identifying the definability of domain knowledge for OMQA in these languages.
• Abstract（参考訳）: 既存のルール言語はオントロジーによるクエリ応答(OMQA)で広く使われているオントロジー言語のファミリーである。 しかし、ほとんどの場合、プログラム表現力として知られるOMQAのドメイン知識を表現する表現力はまだ十分に理解されていない。 本稿では,タプル生成依存言語(tgd)や線形tgd,連結型tgdなど,いくつかの重要な存在規則言語のプログラム表現力に関する多くの新しい特徴付けについて述べる。 キャラクタリゼーションは自然モデル理論特性と時折オートマトン理論特性を使用し、これらの言語におけるOMQAのドメイン知識の定義可能性を特定する強力なツールを提供する。

関連論文リスト

• Natural Language Processing RELIES on Linguistics [13.142686158720021]
  言語学がNLPに寄与する6つの主要な面を包含する頭字語RELIESを論じる。 このリストは徹底的なものではないし、言語学もこれらのテーマの下でのあらゆる努力の主点ではない。
  論文  参考訳（メタデータ） (2024-05-09T17:59:32Z)
• NLAS-multi: A Multilingual Corpus of Automatically Generated Natural Language Argumentation Schemes [4.015890309289342]
  本稿では,異なるトピックや言語における自然言語引数の自動生成のための効果的な方法論を提案する。 また、議論スキームの自動識別のための一組のソリッドベースラインと微調整モデルも提示する。
  論文  参考訳（メタデータ） (2024-02-22T11:31:50Z)
• ChatRule: Mining Logical Rules with Large Language Models for Knowledge Graph Reasoning [107.61997887260056]
  そこで我々は,知識グラフ上の論理ルールをマイニングするための大規模言語モデルの力を解き放つ新しいフレームワークChatRuleを提案する。 具体的には、このフレームワークは、KGのセマンティック情報と構造情報の両方を活用するLLMベースのルールジェネレータで開始される。 生成されたルールを洗練させるために、ルールランキングモジュールは、既存のKGから事実を取り入れてルール品質を推定する。
  論文  参考訳（メタデータ） (2023-09-04T11:38:02Z)
• Dissociating language and thought in large language models [52.39241645471213]
  大規模言語モデル(LLM)は、人間の言語を習得する上で、今までに最も近いモデルである。 我々は、この区別を人間の神経科学に根ざし、形式的、機能的な能力は異なる神経機構に依存していることを示した。 LLMは形式的能力は驚くほど優れているが、機能的能力のタスクにおける性能はいまだに不明瞭である。
  論文  参考訳（メタデータ） (2023-01-16T22:41:19Z)
• Formal Specifications from Natural Language [3.1806743741013657]
  本稿では,自然言語を複雑な意味を持つ形式仕様に翻訳する言語モデルについて検討する。 特に、構造化英語文からなる3つのデータセット上で、オフザシェルフ言語モデルを微調整する。
  論文  参考訳（メタデータ） (2022-06-04T10:49:30Z)
• Including Signed Languages in Natural Language Processing [48.62744923724317]
  署名された言語は、聴覚障害者や難聴者のコミュニケーションの主な手段です。 このポジショニングペーパーは、NLPコミュニティに対して、社会的および科学的影響の高い研究領域として署名された言語を含めるよう求めている。
  論文  参考訳（メタデータ） (2021-05-11T17:37:55Z)
• SIGTYP 2020 Shared Task: Prediction of Typological Features [78.95376120154083]
  タイポロジーKBが広く採用されるのを妨げる大きな欠点は、人口が少ないことである。 類型的特徴は相互に相関することが多いため、それらを予測し、自動的に類型的KBを投入することができる。 全体として、このタスクは5つのチームから8つの応募を惹きつけた。
  論文  参考訳（メタデータ） (2020-10-16T08:47:24Z)
• Linguistic Typology Features from Text: Inferring the Sparse Features of World Atlas of Language Structures [73.06435180872293]
  我々は、バイト埋め込みと畳み込み層に基づく繰り返しニューラルネットワーク予測器を構築する。 様々な言語型の特徴を確実に予測できることを示す。
  論文  参考訳（メタデータ） (2020-04-30T21:00:53Z)
• Model-theoretic Characterizations of Existential Rule Languages [9.845164265154832]
  既存のルール、すなわちデータベースへの依存は、コンピュータ科学や人工知能で広く使われている重要な論理言語群である。 本稿では, 既存ルール言語(例えば, 分割型) 組み込み依存性, 依存関係の生成 (TGD) , フェデリアガード付きTGD, 線形TGDなど) について, モデル理論的特徴付けを行う。 これらの特徴付けの自然な応用として、上記の言語の書き換え可能性に関する複雑性境界も同定される。
  論文  参考訳（メタデータ） (2020-01-23T17:29:18Z)
• Cross-lingual, Character-Level Neural Morphological Tagging [57.0020906265213]
  文字レベルのリカレントなニューラルタグをトレーニングし、高リソース言語と低リソース言語を併用して形態的タグ付けを予測する。 複数の関連言語間の共同文字表現の学習は、高リソース言語から低リソース言語への知識伝達を成功させ、モノリンガルモデルの精度を最大30%向上させる。
  論文  参考訳（メタデータ） (2017-08-30T08:14:34Z)

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。