論文の概要: FALCON: Faithful Neural Semantic Entailment over ALC Ontologies
- arxiv url: http://arxiv.org/abs/2208.07628v4
- Date: Thu, 21 Sep 2023 21:58:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-25 19:46:51.639410
- Title: FALCON: Faithful Neural Semantic Entailment over ALC Ontologies
- Title(参考訳): FALCON: ALCオントロジーに対する忠実なニューラルセマンティックエンターメント
- Authors: Zhenwei Tang, Tilman Hinnerichs, Xi Peng, Xiangliang Zhang, Robert
Hoehndorf
- Abstract要約: ALCが調査する主な課題は、エンターメントを計算することである。
我々はファジィ論理演算子を用いて任意のALC構造のモデルを生成するファジィALCオントロジー推論器FALCONを開発した。
- 参考スコア(独自算出の注目度): 32.009755096826794
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many ontologies, i.e., Description Logic (DL) knowledge bases, have been
developed to provide rich knowledge about various domains, and a lot of them
are based on ALC, i.e., a prototypical and expressive DL, or its extensions.
The main task that explores ALC ontologies is to compute semantic entailment.
We developed FALCON, a Fuzzy ALC Ontology Neural reasoner, which uses fuzzy
logic operators to generate model structures for arbitrary ALC ontologies, and
uses multiple model structures to compute faithful semantic entailments.
Theoretical results show that FALCON faithfully approximates semantic
entailment over ALC ontologies and therefore endows neural networks with world
models and the ability to reason over them. Experimental results show that
FALCON enables approximate reasoning, paraconsistent reasoning (reasoning with
inconsistencies), and improves machine learning in the biomedical domain by
incorporating knowledge expressed in ALC.
- Abstract(参考訳): 多くのオントロジー、すなわち記述論理(DL)知識ベースは、様々なドメインに関する豊富な知識を提供するために開発され、その多くがALC、すなわち原型的で表現力のあるDLまたはその拡張に基づいている。
ALCオントロジーを探索する主な課題はセマンティックエンターメントを計算することである。
我々はファジィ論理演算子を用いて任意のALCオントロジーのモデル構造を生成するファジィALCオントロジーニューラル推論器であるFALCONを開発し、忠実なセマンティックエンターメントを計算するために複数のモデル構造を用いる。
理論的には、FALCONはALCのオントロジよりもセマンティックエンターメントを忠実に近似し、それゆえ、ニューラルネットワークに世界モデルとそれらに対する推論能力を与える。
実験の結果、FALCONは近似推論、矛盾推論(矛盾推論)を可能にし、ALCで表現された知識を組み込むことで、バイオメディカル領域における機械学習を改善することが示された。
関連論文リスト
- LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and
Reasoning [73.98142349171552]
LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。
ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。
これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
論文 参考訳(メタデータ) (2023-09-24T05:43:19Z) - Modeling Hierarchical Reasoning Chains by Linking Discourse Units and
Key Phrases for Reading Comprehension [80.99865844249106]
本稿では,論理的推論の基盤として,対話レベルと単語レベルの両方の文脈を扱う総合グラフネットワーク(HGN)を提案する。
具体的には、ノードレベルの関係とタイプレベルの関係は、推論過程におけるブリッジと解釈できるが、階層的な相互作用機構によってモデル化される。
論文 参考訳(メタデータ) (2023-06-21T07:34:27Z) - Language Knowledge-Assisted Representation Learning for Skeleton-Based
Action Recognition [71.35205097460124]
人間が他人の行動を理解して認識する方法は、複雑な神経科学の問題である。
LA-GCNは、大規模言語モデル(LLM)知識アシストを用いたグラフ畳み込みネットワークを提案する。
論文 参考訳(メタデータ) (2023-05-21T08:29:16Z) - 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) - Deep Learning Generates Synthetic Cancer Histology for Explainability
and Education [37.13457398561086]
条件付き生成逆数ネットワーク(英: Conditional Generative Adversarial Network、cGAN)は、合成画像を生成するAIモデルである。
本稿では,cGANを用いた分子サブタイプ腫瘍の分類訓練モデルについて述べる。
腫瘍の病理組織学的所見に対するヒトの理解を増強し, 向上させることが, 明確で直感的なcGANの可視化に有効であることを示す。
論文 参考訳(メタデータ) (2022-11-12T00:14:57Z) - Knowledge Enhanced Neural Networks for relational domains [83.9217787335878]
我々は、ニューラルネットワークに事前論理的知識を注入するニューラルネットワークアーキテクチャであるKENNに焦点を当てる。
本稿では,関係データに対するKENNの拡張を提案する。
論文 参考訳(メタデータ) (2022-05-31T13:00:34Z) - The Causal Neural Connection: Expressiveness, Learnability, and
Inference [125.57815987218756]
構造因果モデル (Structuor causal model, SCM) と呼ばれるオブジェクトは、調査中のシステムのランダムな変動のメカニズムと源の集合を表す。
本稿では, 因果的階層定理 (Thm. 1, Bareinboim et al., 2020) がまだニューラルモデルに対して成り立っていることを示す。
我々はニューラル因果モデル(NCM)と呼ばれる特殊なタイプのSCMを導入し、因果推論に必要な構造的制約をエンコードする新しいタイプの帰納バイアスを定式化する。
論文 参考訳(メタデータ) (2021-07-02T01:55:18Z) - Learning Description Logic Ontologies. Five Approaches. Where Do They
Stand? [14.650545418986058]
我々は、記述論理(DL)の作成のために提案された機械学習とデータマイニングのアプローチを強調した。
これらは関連ルールマイニング、形式的概念分析、帰納的論理プログラミング、計算学習理論、ニューラルネットワークに基づいている。
論文 参考訳(メタデータ) (2021-04-02T18:36:45Z) - On the Complexity of Learning Description Logic Ontologies [14.650545418986058]
オントロジーはドメイン知識、特に生命科学に関連する領域における知識を表現する一般的な方法である。
学習理論から正確な学習モデルとおそらく正しい学習モデルの形式的な仕様を提供します。
論文 参考訳(メタデータ) (2021-03-25T09:18:12Z)
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。