論文の概要: Repairing $\mathcal{EL}$ Ontologies Using Weakening and Completing
- arxiv url: http://arxiv.org/abs/2208.00486v1
- Date: Sun, 31 Jul 2022 18:15:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-02 14:21:56.284537
- Title: Repairing $\mathcal{EL}$ Ontologies Using Weakening and Completing
- Title（参考訳）: WeakeningとCompletingを使った$\mathcal{EL}$オントロジーの修復
- Authors: Ying Li and Patrick Lambrix
- Abstract要約: ドメインエキスパートの検証作業量と、正確性と完全性の観点からの完全性の品質との間にはトレードオフがあることを示す。
- 参考スコア（独自算出の注目度）: 5.625946422295428
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The quality of ontologies in terms of their correctness and completeness is
crucial for developing high-quality ontology-based applications. Traditional
debugging techniques repair ontologies by removing unwanted axioms, but may
thereby remove consequences that are correct in the domain of the ontology. In
this paper we propose an interactive approach to mitigate this for
$\mathcal{EL}$ ontologies by axiom weakening and completing. We present
algorithms for weakening and completing and present the first approach for
repairing that takes into account removing, weakening and completing. We show
different combination strategies, discuss the influence on the final ontologies
and show experimental results. We show that previous work has only considered
special cases and that there is a trade-off between the amount of validation
work for a domain expert and the quality of the ontology in terms of
correctness and completeness.
- Abstract（参考訳）: オントロジーの正確性と完全性の観点からの質は、高品質なオントロジーベースのアプリケーション開発に不可欠である。
従来のデバッグ技術は、不要な公理を除去することでオントロジーを修復するが、オントロジーの領域で正しい結果を取り除くことができる。
本稿では, axiom の弱化と完備化による $\mathcal{el}$ オントロジーに対して, これを緩和するための対話的アプローチを提案する。
我々は,除去,弱化,完了を考慮し,最初の修復方法を提案する。
異なる組み合わせ戦略を示し,最終オントロジーへの影響を議論し,実験結果を示す。
従来の研究は特別な事例しか考慮されておらず、ドメインエキスパートの検証作業量とオントロジーの品質との間には正当性と完全性というトレードオフがあることが示されている。
関連論文リスト
- Universal Topology Refinement for Medical Image Segmentation with Polynomial Feature Synthesis [19.2371330932614]
医用画像分割法は、しばしばトポロジカルな正当性を無視し、下流の多くのタスクでは利用できない。
1つの選択肢は、トポロジ駆動の損失コンポーネントを含む、そのようなモデルを再訓練することである。
本稿では,任意のドメイン固有のセグメンテーションパイプラインと互換性のあるプラグイン・アンド・プレイトポロジ・リファインメント法を提案する。
論文 参考訳（メタデータ） (2024-09-15T17:07:58Z) - Repairing Networks of $\mathcal{EL_\perp}$ Ontologies using Weakening and Completing -- Extended version [4.287175019018556]
本稿では,この問題に対処するオントロジーネットワークの修復フレームワークを提案する。
弱体化や完成などの基本的な操作を定義する。
修復したネットワークの品質に及ぼす組み合わせ演算子の影響と実装ツールについて述べる。
論文 参考訳（メタデータ） (2024-07-26T16:15:33Z) - SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。
本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
論文 参考訳（メタデータ） (2024-07-23T20:34:23Z) - Ontology Completion with Natural Language Inference and Concept Embeddings: An Analysis [26.918368764004796]
本研究では,特定のオントロジーから欠落する有能な知識の発見という課題を,よく研究された分類学拡張タスクの一般化として考察する。
1行の作業は、このタスクを自然言語推論(NLI)問題として扱い、不足した知識を特定するために言語モデルによって取得された知識に依存します。
別の研究の行では、概念埋め込みを使用して、カテゴリベースの帰納のための認知モデルからインスピレーションを得て、異なる概念が共通しているものを特定する。
論文 参考訳（メタデータ） (2024-03-25T21:46:35Z) - On the Dynamics Under the Unhinged Loss and Beyond [104.49565602940699]
我々は、閉形式力学を解析するための数学的機会を提供する、簡潔な損失関数であるアンヒンジド・ロスを導入する。
アンヒンジされた損失は、時間変化学習率や特徴正規化など、より実践的なテクニックを検討することができる。
論文 参考訳（メタデータ） (2023-12-13T02:11:07Z) - Ontology Revision based on Pre-trained Language Models [32.92146634065263]
オントロジーの改訂は、新しいオントロジーを既存のオントロジーにシームレスに組み込むことを目的としている。
不整合は不整合を引き起こし、矛盾するオントロジーを推論する主要な要因であり、無意味な答えが得られる。
この問題に対処するため,様々なオントロジー修正手法が提案されている。
本稿では,事前学習モデルの改訂方法について検討する。
論文 参考訳（メタデータ） (2023-10-27T00:52:01Z) - A Unified Generalization Analysis of Re-Weighting and Logit-Adjustment
for Imbalanced Learning [129.63326990812234]
そこで本研究では,データ依存型コンダクタンス(Data-dependent contraction)と呼ばれる手法を提案する。
この技術に加えて、不均衡学習のための微粒な一般化境界が確立され、再重み付けとロジット調整の謎を明らかにするのに役立つ。
論文 参考訳（メタデータ） (2023-10-07T09:15:08Z) - Taxonomy Adaptive Cross-Domain Adaptation in Medical Imaging via
Optimization Trajectory Distillation [73.83178465971552]
自動医用画像解析の成功は、大規模かつ専門家による注釈付きトレーニングセットに依存する。
非教師なしドメイン適応(UDA)はラベル付きデータ収集の負担を軽減するための有望なアプローチである。
本稿では,2つの技術的課題に新しい視点から対処する統一的手法である最適化トラジェクトリ蒸留を提案する。
論文 参考訳（メタデータ） (2023-07-27T08:58:05Z) - Human-Algorithm Collaboration: Achieving Complementarity and Avoiding
Unfairness [92.26039686430204]
慎重に設計されたシステムであっても、補完的な性能はあり得ないことを示す。
まず,簡単な人間アルゴリズムをモデル化するための理論的枠組みを提案する。
次に、このモデルを用いて相補性が不可能な条件を証明する。
論文 参考訳（メタデータ） (2022-02-17T18:44:41Z) - Loss Bounds for Approximate Influence-Based Abstraction [81.13024471616417]
影響に基づく抽象化は、システムの残りの部分が与える「影響」とともに、局所的なサブプロブレムをモデル化することでレバレッジを得ることを目的としている。
本稿では,理論的観点から,そのような手法の性能について考察する。
交叉エントロピーで訓練されたニューラルネットワークは、近似的な影響表現を学習するのに適していることを示す。
論文 参考訳（メタデータ） (2020-11-03T15:33:10Z) - Optimization and Generalization of Regularization-Based Continual
Learning: a Loss Approximation Viewpoint [35.5156045701898]
各タスクの損失関数の2階Taylor近似として定式化することにより、正規化に基づく連続学習の新しい視点を提供する。
この観点から、正規化に基づく連続学習の最適化側面(収束)と一般化特性(有限サンプル保証)を考察する。
論文 参考訳（メタデータ） (2020-06-19T06:08:40Z)
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。