論文の概要: CQE in OWL 2 QL: A "Longest Honeymoon" Approach (extended version)
- arxiv url: http://arxiv.org/abs/2207.11155v1
- Date: Fri, 22 Jul 2022 15:51:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-25 13:31:31.792106
- Title: CQE in OWL 2 QL: A "Longest Honeymoon" Approach (extended version)
- Title(参考訳): OWL 2 QLのCQE: "Longest Honeymoon"アプローチ(拡張バージョン)
- Authors: Piero Bonatti, Gianluca Cima, Domenico Lembo, Lorenzo Marconi,
Riccardo Rosati, Luigi Sauro, Domenico Fabio Savo
- Abstract要約: 動的CQE法,すなわち,従来のクエリの評価に基づいて,現在のクエリに対する応答を変更することを提案する。
我々は、機密データを保護できるだけでなく、最大限に協力できるシステムを目指しています。
- 参考スコア(独自算出の注目度): 13.169982133542266
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Controlled Query Evaluation (CQE) has been recently studied in the context of
Semantic Web ontologies. The goal of CQE is concealing some query answers so as
to prevent external users from inferring confidential information. In general,
there exist multiple, mutually incomparable ways of concealing answers, and
previous CQE approaches choose in advance which answers are visible and which
are not. In this paper, instead, we study a dynamic CQE method, namely, we
propose to alter the answer to the current query based on the evaluation of
previous ones. We aim at a system that, besides being able to protect
confidential data, is maximally cooperative, which intuitively means that it
answers affirmatively to as many queries as possible; it achieves this goal by
delaying answer modifications as much as possible. We also show that the
behavior we get cannot be intensionally simulated through a static approach,
independent of query history. Interestingly, for OWL 2 QL ontologies and policy
expressed through denials, query evaluation under our semantics is first-order
rewritable, and thus in AC0 in data complexity. This paves the way for the
development of practical algorithms, which we also preliminarily discuss in the
paper.
- Abstract(参考訳): 制御クエリ評価(CQE)はセマンティックWebオントロジーの文脈で最近研究されている。
CQEの目標は、外部ユーザが機密情報を推測しないように、クエリ回答を隠蔽することにある。
一般に、回答を隠蔽する方法は複数あり、従来のCQEアプローチでは、どの回答が目に見えるか、どれがそうでないかを事前に選択する。
本稿では,その代わりに動的CQE手法,すなわち,従来のクエリの評価に基づいて,現在のクエリに対する応答を変更することを提案する。
我々は,機密データを保護できるだけでなく,可能な限り多くのクエリに対して肯定的に回答できるという直感的意味合いで,可能な限りの応答修正を遅らせることで,この目標を達成するシステムを目指している。
また,クエリ履歴によらず,静的アプローチでは動作を意図的にシミュレートすることはできないことを示す。
興味深いことに、OWL 2 QLオントロジーとデニアルによって表現されたポリシーでは、セマンティクスによるクエリ評価は1次再編集可能であり、AC0ではデータ複雑性が増大する。
このことは,本論文で論じる実践的アルゴリズムの発展の道を開くものである。
関連論文リスト
- LLMs for Test Input Generation for Semantic Caches [1.8628177380024746]
大規模言語モデル(LLM)は、最先端のセマンティック機能をソフトウェアシステムに追加することを可能にする。
規模によっては、何千ものユーザーへのサービス提供コストは、ユーザーエクスペリエンスにも大きく影響します。
本稿では、構造化されていない文書から類似した質問を生成するテスト入力生成にLLMを使用するアプローチであるVaryGenを提案する。
論文 参考訳(メタデータ) (2024-01-16T06:16:33Z) - Answering Ambiguous Questions via Iterative Prompting [84.3426020642704]
オープンドメインの質問応答では、質問のあいまいさのため、複数の妥当な回答が存在する可能性がある。
ひとつのアプローチは、すべての有効な回答を直接予測することですが、これは、妥当性と多様性のバランスに苦労する可能性があります。
本稿では,あいまいな疑問に答える既存手法の欠陥に対処するため,AmbigPromptを提案する。
論文 参考訳(メタデータ) (2023-07-08T04:32:17Z) - NQE: N-ary Query Embedding for Complex Query Answering over
Hyper-Relational Knowledge Graphs [1.415350927301928]
複雑なクエリ応答は知識グラフの論理的推論に不可欠なタスクである。
ハイパーリレーショナル知識グラフ(HKG)上のCQAのための新しいN-ary Query Embedding (NQE)モデルを提案する。
NQEは二元変換器エンコーダとファジィ論理理論を用いて全てのn-ary FOLクエリを満たす。
我々は、WD50K上の多様なn-ary FOLクエリを含む、新しいCQAデータセットWD50K-NFOLを生成する。
論文 参考訳(メタデータ) (2022-11-24T08:26:18Z) - Summarizing Community-based Question-Answer Pairs [5.680726650578754]
本稿では,CQAペアから簡潔な要約を作成することを目的とした,新しいCQA要約タスクを提案する。
私たちのデータとコードは公開されています。
論文 参考訳(メタデータ) (2022-11-17T21:09:41Z) - DecAF: Joint Decoding of Answers and Logical Forms for Question
Answering over Knowledge Bases [81.19499764899359]
本稿では,論理形式と直解の両方を共同で生成する新しいフレームワークDecAFを提案する。
DecAFはWebQSP、FreebaseQA、GrailQAベンチマークで新しい最先端の精度を実現している。
論文 参考訳(メタデータ) (2022-09-30T19:51:52Z) - Open Question Answering over Tables and Text [55.8412170633547]
オープンな質問応答(QA)では、質問に対する回答は、質問に対する回答を含む可能性のある文書を検索して分析することによって生成される。
ほとんどのオープンQAシステムは、構造化されていないテキストからのみ情報を取得することを検討している。
我々は,このタスクの性能を評価するために,新しい大規模データセット Open Table-and-Text Question Answering (OTT-QA) を提案する。
論文 参考訳(メタデータ) (2020-10-20T16:48:14Z) - Counterfactual Variable Control for Robust and Interpretable Question
Answering [57.25261576239862]
ディープニューラルネットワークに基づく質問応答(QA)モデルは、多くの場合、堅牢でも説明もできない。
本稿では、因果推論を用いてQAモデルのこのような突発的な「能力」を検証する。
本稿では,任意のショートカット相関を明示的に緩和する,CVC(Counterfactual Variable Control)という新しい手法を提案する。
論文 参考訳(メタデータ) (2020-10-12T10:09:05Z) - Query Resolution for Conversational Search with Limited Supervision [63.131221660019776]
本稿では,双方向トランスフォーマに基づくニューラルクエリ解決モデルQuReTeCを提案する。
我々はQuReTeCが最先端モデルより優れており、また、QuReTeCのトレーニングに必要な人為的なデータ量を大幅に削減するために、我々の遠隔監視手法が有効であることを示す。
論文 参考訳(メタデータ) (2020-05-24T11:37:22Z) - Fluent Response Generation for Conversational Question Answering [15.826109118064716]
本稿では,SEQ2SEQ NLGアプローチで応答をシチュレートする手法を提案する。
我々は、エンドツーエンドシステムのトレーニングデータを生成するためにデータ拡張を使用します。
論文 参考訳(メタデータ) (2020-05-21T04:57:01Z) - Harvesting and Refining Question-Answer Pairs for Unsupervised QA [95.9105154311491]
教師なし質問回答(QA)を改善するための2つのアプローチを提案する。
まず、ウィキペディアから語彙的・構文的に異なる質問を抽出し、質問応答対のコーパスを自動的に構築する(RefQAと名づけられる)。
第2に、より適切な回答を抽出するためにQAモデルを活用し、RefQA上でデータを反復的に洗練する。
論文 参考訳(メタデータ) (2020-05-06T15:56:06Z) - CQE in Description Logics Through Instance Indistinguishability
(extended version) [0.0]
Description Logics (DL) におけるプライバシ保護クエリ応答に関する研究
DL-Lite$_mathcal$$で応答するデータ複雑性の結果を導出します。
我々は,CQEに対する近似秘密性解答という意味論的に確立された概念を同定する。
論文 参考訳(メタデータ) (2020-04-24T17:28:24Z)
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。