論文の概要: Description Logic EL++ Embeddings with Intersectional Closure

• arxiv url: http://arxiv.org/abs/2202.14018v1
• Date: Mon, 28 Feb 2022 18:37:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-01 17:06:02.397410
• Title: Description Logic EL++ Embeddings with Intersectional Closure
• Title（参考訳）: 節間クロージャによる記述論理EL++埋め込み
• Authors: Xi Peng, Zhenwei Tang, Maxat Kulmanov, Kexin Niu, Robert Hoehndorf
• Abstract要約: 我々は、軸パラレルボックスを用いた記述論理EL++埋め込みを学習するためにELBE(EL Embedding)を開発した。 提案手法の有効性を実証するために,3つのデータセットの広範な実験結果について報告する。
• 参考スコア（独自算出の注目度）: 10.570100236658705
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many ontologies, in particular in the biomedical domain, are based on the Description Logic EL++. Several efforts have been made to interpret and exploit EL++ ontologies by distributed representation learning. Specifically, concepts within EL++ theories have been represented as n-balls within an n-dimensional embedding space. However, the intersectional closure is not satisfied when using n-balls to represent concepts because the intersection of two n-balls is not an n-ball. This leads to challenges when measuring the distance between concepts and inferring equivalence between concepts. To this end, we developed EL Box Embedding (ELBE) to learn Description Logic EL++ embeddings using axis-parallel boxes. We generate specially designed box-based geometric constraints from EL++ axioms for model training. Since the intersection of boxes remains as a box, the intersectional closure is satisfied. We report extensive experimental results on three datasets and present a case study to demonstrate the effectiveness of the proposed method.
• Abstract（参考訳）: 特に生物医学領域における多くのオントロジーはDescription Logic EL++に基づいている。 分散表現学習によるEL++オントロジーの解釈と活用にいくつかの取り組みがなされている。 特に、el++理論内の概念は n-次元埋め込み空間内の n-球体として表現されている。 しかし、2つのn-球の交叉がn-球ではないため、n-球を用いて概念を表現する場合、交叉閉包は満足できない。 これは、概念間の距離を計測し、概念間の同値性を推測する場合の課題につながる。 そこで我々は, ELBE (EL Box Embedding) を開発し, 軸パラレルボックスを用いた記述論理EL++の埋め込みを学習した。 モデルトレーニングのためのEL++公理から,特殊設計のボックスベースの幾何学的制約を生成する。 箱の交叉は箱として残るので、交叉閉包は満足される。 提案手法の有効性を実証するために,3つのデータセットの広範な実験結果について報告する。

関連論文リスト

• TransBox: EL++-closed Ontology Embedding [14.850996103983187]
  我々は,多対一,一対多,多対多の関係を扱える効率的なEL++-クロース埋め込み法を開発した。 実験により,TransBoxは様々な実世界のデータセットにまたがって最先端のパフォーマンスを実現し,複雑な公理を予測できることを示した。
  論文  参考訳（メタデータ） (2024-10-18T16:17:10Z)
• Enhancing Geometric Ontology Embeddings for $\mathcal{EL}^{++}$ with Negative Sampling and Deductive Closure Filtering [45.817946135388176]
  オントロジーはクラス、関係、個人を$mathbbn$に埋め込み、$bbRn$のエンティティ間の類似性を計算することができる。 還元的閉鎖と異なるタイプの負の双方を考慮に入れた新規な負の損失を生じさせる。
  論文  参考訳（メタデータ） (2024-05-08T07:50:21Z)
• 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)
• 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)
• Concept Activation Regions: A Generalized Framework For Concept-Based Explanations [95.94432031144716]
  既存の手法では、概念を説明する例は、ディープニューラルネットワークの潜伏空間の一定の方向にマッピングされていると仮定している。 そこで本研究では,DNNの潜在空間において,異なるクラスタに分散した概念例を提案する。 この概念活性化領域(CAR)は、グローバルな概念に基づく説明と局所的な概念に基づく特徴の重要性をもたらす。
  論文  参考訳（メタデータ） (2022-09-22T17:59:03Z)
• Discrete Langevin Sampler via Wasserstein Gradient Flow [102.94731267405056]
  離散空間におけるワッサーシュタイン勾配流に対応する LB 関数がどのように LB 力学をもたらすかを示す。 シミュレーション時間に関してLBダイナミクスを識別し,新しいアルゴリズムであるLocally Balanced Jump (LBJ)を提案する。
  論文  参考訳（メタデータ） (2022-06-29T20:33:54Z)
• Connection-minimal Abduction in EL via Translation to FOL -- Technical Report [12.90382979353427]
  本稿では,接続最小仮説のクラスを音速で完全な方法で計算する方法を示す。 本手法は一階述語論理への翻訳に基づいて,素数含意に基づく仮説を構築する。
  論文  参考訳（メタデータ） (2022-05-17T15:50:27Z)
• Box Embeddings for the Description Logic EL++ [21.89072991669119]
  論理構造をよりよくキャプチャできる幾何学的KB埋め込み手法であるBoxELを提案する。 論理構造を保存するためにBoxELの理論的保証(音性)を示す。 仮定推論および実世界のタンパク質タンパク質予測実験の結果,BoxELは従来の知識グラフ埋め込み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） (2022-01-24T19:24:22Z)
• 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)
• Abstract Reasoning via Logic-guided Generation [65.92805601327649]
  抽象的推論、すなわち、与えられた観測から複雑なパターンを推測することは、人工知能の中心的な構成要素である。 本稿では,後者のアプローチの枠組みを設計し,人工知能と人間の知能のギャップを埋めることを目的とする。 本稿では,提案する論理の最適化問題として,抽象的推論を削減した新しい生成型DNNフレームワークであるLoGeを提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:28:24Z)
• BoxE: A Box Embedding Model for Knowledge Base Completion [53.57588201197374]
  知識ベース補完(KBC)は、知識ベース(KB)に存在する情報を活用することにより、行方不明な事実を自動的に推測することを目的とする。 既存の埋め込みモデルは、以下の制限の少なくとも1つに該当する。 BoxEは、エンティティをポイントとして、関係をハイパー矩形(またはボックス)の集合として埋め込む
  論文  参考訳（メタデータ） (2020-07-13T09:40:49Z)

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。