論文の概要: Merging Ontologies Algebraically
- arxiv url: http://arxiv.org/abs/2208.08715v1
- Date: Thu, 18 Aug 2022 08:57:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-19 14:03:07.600485
- Title: Merging Ontologies Algebraically
- Title（参考訳）: 統合オントロジを代数的に
- Authors: Xiuzhan Guo, Arthur Berrill, Ajinkya Kulkarni, Kostya Belezko, and Min
Luo
- Abstract要約: 例えば、(I)、(C)、(A)、(R)でラベル付けされた、イデペンデンス、快適性、表現性などである。
また、$V$-アライメントによって与えられるマージシステムは、(I)、(C)、(A)、(R)という特性を満たすことを示す。
- 参考スコア（独自算出の注目度）: 1.6404357211482503
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ontology operations, e.g., aligning and merging, were studied and implemented
extensively in different settings, such as, categorical operations, relation
algebras, typed graph grammars, with different concerns. However, aligning and
merging operations in the settings share some generic properties, e.g.,
idempotence, commutativity, associativity, and representativity, labeled by
(I), (C), (A), and (R), respectively, which are defined on an ontology merging
system $(\mathfrak{O},\sim,\merge)$, where $\mathfrak{O}$ is a set of the
ontologies concerned, $\sim$ is a binary relation on $\mathfrak{O}$ modeling
ontology aligning and $\merge$ is a partial binary operation on $\mathfrak{O}$
modeling ontology merging. Given an ontology repository, a finite set
$\mathbb{O}\subseteq \mathfrak{O}$, its merging closure $\widehat{\mathbb{O}}$
is the smallest set of ontologies, which contains the repository and is closed
with respect to merging. If (I), (C), (A), and (R) are satisfied, then both
$\mathfrak{O}$ and $\widehat{\mathbb{O}}$ are partially ordered naturally by
merging, $\widehat{\mathbb{O}}$ is finite and can be computed efficiently,
including sorting, selecting, and querying some specific elements, e.g.,
maximal ontologies and minimal ontologies. We also show that the ontology
merging system, given by ontology $V$-alignment pairs and pushouts, satisfies
the properties: (I), (C), (A), and (R) so that the merging system is partially
ordered and the merging closure of a given repository with respect to pushouts
can be computed efficiently.
- Abstract（参考訳）: オントロジー演算(例えば、アライメントとマージ)は、カテゴリー演算、関係代数、型付きグラフ文法など、様々な設定で研究され、実装された。
However, aligning and merging operations in the settings share some generic properties, e.g., idempotence, commutativity, associativity, and representativity, labeled by (I), (C), (A), and (R), respectively, which are defined on an ontology merging system $(\mathfrak{O},\sim,\merge)$, where $\mathfrak{O}$ is a set of the ontologies concerned, $\sim$ is a binary relation on $\mathfrak{O}$ modeling ontology aligning and $\merge$ is a partial binary operation on $\mathfrak{O}$ modeling ontology merging.
オントロジーのレポジトリが与えられたとき、有限集合 $\mathbb{O}\subseteq \mathfrak{O}$, そのマージクロージャ $\widehat{\mathbb{O}}$ は、そのレポジトリを含み、マージに関して閉じている最小のオントロジーの集合である。
i), (c), (a), (r) が満たされると、$\mathfrak{o}$ と $\widehat{\mathbb{o}}$ はマージによって部分的に順序付けされ、$\widehat{\mathbb{o}}$ は有限であり、例えば極大オントロジーや最小オントロジーのような特定の要素のソート、選択、クエリを含む効率的な計算が可能である。
また、オントロジ$v$-アレーメントペアとプッシュアウトによって与えられるオントロジマージシステムは、マージシステムが部分的に順序付けされ、プッシュアウトに関する所定のリポジトリのマージクロージャを効率的に計算できるように、プロパティ: (i), (c), (a), (r) を満たす。
関連論文リスト
- The Communication Complexity of Approximating Matrix Rank [50.6867896228563]
この問題は通信複雑性のランダム化を$Omega(frac1kcdot n2log|mathbbF|)$とする。
アプリケーションとして、$k$パスを持つ任意のストリーミングアルゴリズムに対して、$Omega(frac1kcdot n2log|mathbbF|)$スペースローバウンドを得る。
論文 参考訳（メタデータ） (2024-10-26T06:21:42Z) - CSPs with Few Alien Constraints [12.330326247154968]
CSP$(mathcalA cup mathcalB)$ ここで$mathcalA$は構造、$mathcalB$は異方構造である。
我々は、以前分類の試みを免れたいくつかのよく研究された問題に対して、接続を確立し、転送可能な複雑性結果を得る。
論文 参考訳（メタデータ） (2024-08-23T08:34:13Z) - Complexity of Minimizing Projected-Gradient-Dominated Functions with Stochastic First-order Oracles [38.45952947660789]
本稿では,$(alpha,tau,mathcal)$-projected-dominanceプロパティの下で関数を最小化する一階法の性能限界について検討する。
論文 参考訳（メタデータ） (2024-08-03T18:34:23Z) - Neural network learns low-dimensional polynomials with SGD near the information-theoretic limit [75.4661041626338]
単一インデックス対象関数 $f_*(boldsymbolx) = textstylesigma_*left(langleboldsymbolx,boldsymbolthetarangleright)$ の等方的ガウスデータの下で勾配降下学習の問題を考察する。
SGDアルゴリズムで最適化された2層ニューラルネットワークは、サンプル付き任意のリンク関数の$f_*$を学習し、実行時の複雑さは$n asymp T asymp C(q) cdot dであることを示す。
論文 参考訳（メタデータ） (2024-06-03T17:56:58Z) - A Unified Framework for Uniform Signal Recovery in Nonlinear Generative
Compressed Sensing [68.80803866919123]
非線形測定では、ほとんどの先行結果は一様ではない、すなわち、すべての$mathbfx*$に対してではなく、固定された$mathbfx*$に対して高い確率で保持される。
本フレームワークはGCSに1ビット/一様量子化観測と単一インデックスモデルを標準例として適用する。
また、指標集合が計量エントロピーが低い製品プロセスに対して、より厳密な境界を生み出す濃度不等式も開発する。
論文 参考訳（メタデータ） (2023-09-25T17:54:19Z) - On the Sample Complexity of Two-Layer Networks: Lipschitz vs.
Element-Wise Lipschitz Activation [20.70453775428433]
本研究では,異なるアクティベーション関数を用いた有界二層ニューラルネットワークのサンプル複雑性について検討する。
我々は、$sigma$ が要素ワイドであれば、$mathcalH$ のサンプルの複雑さは、幅の対数依存しか持たないことを証明する。
論文 参考訳（メタデータ） (2022-11-17T16:27:15Z) - Learning a Single Neuron with Adversarial Label Noise via Gradient
Descent [50.659479930171585]
モノトン活性化に対する $mathbfxmapstosigma(mathbfwcdotmathbfx)$ の関数について検討する。
学習者の目標は仮説ベクトル $mathbfw$ that $F(mathbbw)=C, epsilon$ を高い確率で出力することである。
論文 参考訳（メタデータ） (2022-06-17T17:55:43Z) - Local approximation of operators [0.0]
距離空間 $mathfrakX$ と $mathfrakY$ の間の非線形作用素の近似の度合いを決定する問題について検討する。
例えば、$mathbbSd$ の近似に関係する定数は $mathcalO(d1/6)$ である。
論文 参考訳（メタデータ） (2022-02-13T19:28:34Z) - Agnostic Q-learning with Function Approximation in Deterministic
Systems: Tight Bounds on Approximation Error and Sample Complexity [94.37110094442136]
本稿では,決定論的システムにおける関数近似を用いたQ$学習の問題について検討する。
もし$delta = Oleft(rho/sqrtdim_Eright)$なら、$Oleft(dim_Eright)$を使って最適なポリシーを見つけることができる。
論文 参考訳（メタデータ） (2020-02-17T18:41:49Z) - On the Complexity of Minimizing Convex Finite Sums Without Using the
Indices of the Individual Functions [62.01594253618911]
有限和の有限ノイズ構造を利用して、大域オラクルモデルの下での一致する$O(n2)$-upper境界を導出する。
同様のアプローチを踏襲したSVRGの新規な適応法を提案し、これはオラクルと互換性があり、$tildeO(n2+nsqrtL/mu)log (1/epsilon)$と$O(nsqrtL/epsilon)$, for $mu>0$と$mu=0$の複雑さ境界を実現する。
論文 参考訳（メタデータ） (2020-02-09T03:39:46Z)
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。