論文の概要: Swift Markov Logic for Probabilistic Reasoning on Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2210.00283v1
- Date: Sat, 1 Oct 2022 13:57:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-04 15:16:50.086003
- Title: Swift Markov Logic for Probabilistic Reasoning on Knowledge Graphs
- Title（参考訳）: 知識グラフを用いた確率的推論のためのswift markov logic
- Authors: Luigi Bellomarini, Eleonora Laurenza, Emanuel Sallinger, Evgeny
Sherkhonov
- Abstract要約: Vadalogベースの知識グラフにおいて確率論的推論のためのフレームワークを提供する。
確率的知識グラフ(PKG)を誘導するソフトバダログプログラム
本稿では,モンテカルロ法であるMCMC-chaseの理論と現状について論じる。
- 参考スコア（独自算出の注目度）: 2.4947404267499578
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We provide a framework for probabilistic reasoning in Vadalog-based Knowledge
Graphs (KGs), satisfying the requirements of ontological reasoning: full
recursion, powerful existential quantification, expression of inductive
definitions. Vadalog is a Knowledge Representation and Reasoning (KRR) language
based on Warded Datalog+/-, a logical core language of existential rules, with
a good balance between computational complexity and expressive power. Handling
uncertainty is essential for reasoning with KGs. Yet Vadalog and Warded
Datalog+/- are not covered by the existing probabilistic logic programming and
statistical relational learning approaches for several reasons, including
insufficient support for recursion with existential quantification, and the
impossibility to express inductive definitions. In this work, we introduce Soft
Vadalog, a probabilistic extension to Vadalog, satisfying these desiderata. A
Soft Vadalog program induces what we call a Probabilistic Knowledge Graph
(PKG), which consists of a probability distribution on a network of chase
instances, structures obtained by grounding the rules over a database using the
chase procedure. We exploit PKGs for probabilistic marginal inference. We
discuss the theory and present MCMC-chase, a Monte Carlo method to use Soft
Vadalog in practice. We apply our framework to solve data management and
industrial problems, and experimentally evaluate it in the Vadalog system.
Under consideration in Theory and Practice of Logic Programming (TPLP).
- Abstract（参考訳）: 我々は,vadalog ベースの知識グラフ (kgs) における確率的推論の枠組みを提供し,完全な帰納法,強力な存在量化,帰納的定義の表現といった存在論的推論の要件を満たす。
vadalogは,存在規則の論理コア言語である warded datalog+/- に基づいた知識表現推論(krr)言語であり,計算複雑性と表現力のバランスが良好である。
KGの推論には不確実性を扱うことが不可欠である。
しかし、VadalogとWarded Datalog+/は、存在量化による再帰の不十分なサポート、帰納的定義を表現できないことなど、いくつかの理由から、既存の確率論的論理プログラミングや統計的リレーショナルラーニングアプローチによってカバーされていない。
本稿では,これらのデシラタを満たす確率的拡張であるSoft Vadalogを紹介する。
ソフトバダログプログラムは、チェイスインスタンスのネットワーク上の確率分布からなる確率論的知識グラフ(PKG)と呼ばれるものを誘導する。
pkgを確率的辺縁推論に活用する。
本稿では,モンテカルロ法であるMCMC-chaseの理論と現状について論じる。
データ管理と産業問題の解決に我々のフレームワークを適用し,それをVadalogシステムで実験的に評価する。
論理プログラミングの理論と実践(tplp)における考察。
関連論文リスト
- Simulating Petri nets with Boolean Matrix Logic Programming [4.762323642506732]
本稿では,ハイレベルなシンボル操作の限界に対処する新しい手法を提案する。
本フレームワークでは,基本ネットとして知られるペトリネットのクラスに対して,2つの新しいBMLPアルゴリズムを提案する。
BMLPアルゴリズムは,表付きB-Prolog,SWI-Prolog,XSB-Prolog,Clingoの40倍の速度でこれらのプログラムを評価できることを示す。
論文 参考訳（メタデータ） (2024-05-18T23:17:00Z) - dPASP: A Comprehensive Differentiable Probabilistic Answer Set
Programming Environment For Neurosymbolic Learning and Reasoning [0.0]
本稿では,ニューロシンボリック推論のための新しい宣言型論理プログラミングフレームワークdPASPを提案する。
非決定論的・矛盾的・不完全・統計的知識を表現できる確率論的論理プログラムのセマンティクスについて論じる。
次に、いくつかのサンプルプログラムとともに、言語での推論と学習をサポートする実装されたパッケージについて説明する。
論文 参考訳（メタデータ） (2023-08-05T19:36:58Z) - 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) - Discourse-Aware Graph Networks for Textual Logical Reasoning [142.0097357999134]
パッセージレベルの論理関係は命題単位間の係り合いまたは矛盾を表す(例、結論文)
論理的推論QAを解くための論理構造制約モデリングを提案し、談話対応グラフネットワーク(DAGN)を導入する。
ネットワークはまず、インラインの談話接続とジェネリック論理理論を利用した論理グラフを構築し、その後、エッジ推論機構を用いて論理関係を進化させ、グラフ機能を更新することで論理表現を学習する。
論文 参考訳（メタデータ） (2022-07-04T14:38:49Z) - Neuro-Symbolic Inductive Logic Programming with Logical Neural Networks [65.23508422635862]
我々は最近提案された論理ニューラルネットワーク(LNN)を用いた学習規則を提案する。
他のものと比較して、LNNは古典的なブール論理と強く結びついている。
標準ベンチマークタスクの実験では、LNNルールが極めて解釈可能であることを確認した。
論文 参考訳（メタデータ） (2021-12-06T19:38:30Z) - Logical Credal Networks [87.25387518070411]
本稿では,論理と確率を組み合わせた先行モデルの多くを一般化した表現的確率論的論理である論理的クレダルネットワークを紹介する。
本稿では,不確実性のあるマスターミンドゲームを解くこと,クレジットカード詐欺を検出することを含む,最大後部推論タスクの性能について検討する。
論文 参考訳（メタデータ） (2021-09-25T00:00:47Z) - Non-ground Abductive Logic Programming with Probabilistic Integrity
Constraints [2.624902795082451]
本稿では,変数の確率的推論に対処する,よりリッチな論理言語について考察する。
まず, 分配セマンティックスに基づいて, 全体としての帰納的言語とその意味を提示する。
次に,前述したものを拡張して得られた証明手順を導入し,その健全性と完全性を証明する。
論文 参考訳（メタデータ） (2021-08-06T10:22:12Z) - DeepStochLog: Neural Stochastic Logic Programming [15.938755941588159]
ニューラルネットワークプログラミングにおける推論と学習は、ニューラルネットワークの確率論的論理プログラムよりもはるかに優れていることを示す。
DeepStochLogは、ニューラルネットワークのシンボリック学習タスクにおける最先端の結果を達成する。
論文 参考訳（メタデータ） (2021-06-23T17:59:04Z) - RNNLogic: Learning Logic Rules for Reasoning on Knowledge Graphs [91.71504177786792]
本稿では知識グラフに基づく推論のための論理規則の学習について研究する。
論理規則は、予測に使用されるときに解釈可能な説明を提供するとともに、他のタスクに一般化することができる。
既存の手法は、検索スペースの検索の問題や、スパース報酬による非効率な最適化に悩まされている。
論文 参考訳（メタデータ） (2020-10-08T14:47:02Z) - Neural Logic Reasoning [47.622957656745356]
本稿では,ディープラーニングと論理推論の能力を統合するために,論理統合ニューラルネットワーク(LINN)を提案する。
LINNは、神経モジュールとしてAND、OR、NOTなどの基本的な論理操作を学び、推論のためにネットワークを通して命題論理推論を行う。
実験の結果、LINNはTop-Kレコメンデーションにおいて最先端のレコメンデーションモデルを大幅に上回っていることがわかった。
論文 参考訳（メタデータ） (2020-08-20T14:53:23Z) - Evaluating Logical Generalization in Graph Neural Networks [59.70452462833374]
グラフニューラルネットワーク(GNN)を用いた論理一般化の課題について検討する。
ベンチマークスイートであるGraphLogでは、学習アルゴリズムが異なる合成論理でルール誘導を実行する必要がある。
モデルが一般化し適応する能力は、トレーニング中に遭遇する論理規則の多様性によって強く決定される。
論文 参考訳（メタデータ） (2020-03-14T05:45:55Z)
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。