論文の概要: Rethinking Existential First Order Queries and their Inference on Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2304.07063v2
• Date: Wed, 24 May 2023 12:58:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-26 01:22:45.545383
• Title: Rethinking Existential First Order Queries and their Inference on Knowledge Graphs
• Title（参考訳）: 実存一階問合せの再考と知識グラフによる推論
• Authors: Hang Yin, Zihao Wang, Yangqiu Song
• Abstract要約: 一階述語論理式は、その明確な構文と意味論のために特に興味深い。 証明可能な推論能力を持つファジィ論理理論から新しい推論アルゴリズムを提案する。 実験結果から,本手法は,新たなデータセットと既存データセットの両方において,従来の手法よりも優れていることが示された。
• 参考スコア（独自算出の注目度）: 41.32998739844159
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reasoning on knowledge graphs is a challenging task because it utilizes observed information to predict the missing one. Specifically, answering first-order logic formulas is of particular interest, because of its clear syntax and semantics. Recently, the prevailing method is query embedding which learns the embedding of a set of entities and treats logic operations as set operations. Though there has been much research following the same methodology, it lacks a systematic inspection from the standpoint of logic. In this paper, we characterize the scope of queries investigated previously and precisely identify the gap between it and the whole family of existential formulas. Moreover, we develop a new dataset containing ten new formulas and discuss the new challenges arising concurrently. Finally, we propose a new inference algorithm from fuzzy logic theory with provable reasoning capability. Empirical results show that our method succeeds in outperforming the previous methods in both the new dataset and the existing dataset.
• Abstract（参考訳）: 知識グラフの推論は、観測情報を利用して欠落を予測できるため、難しい課題である。 特に、一階述語論理式への応答は、その明確な構文と意味論のため、特に興味深い。 近年,エンティティの集合の埋め込みを学習し,論理演算を集合演算として扱うクエリ埋め込みが主流となっている。 同じ方法論を踏襲する研究が数多く行われているが、論理学の観点からは体系的な検査が欠けている。 本稿では,前回調査した問合せの範囲を特徴とし,それと実数式全体のギャップを正確に同定する。 さらに,10の新しい公式を含む新しいデータセットを開発し,同時に発生する新しい課題について議論する。 最後に,証明可能な推論能力を持つファジィ論理理論からの新しい推論アルゴリズムを提案する。 実験の結果,新しいデータセットと既存のデータセットの両方において,従来の手法を上回ることに成功していることがわかった。

関連論文リスト

• One Model, Any Conjunctive Query: Graph Neural Networks for Answering Complex Queries over Knowledge Graphs [7.34044245579928]
  我々は,知識グラフ上の任意の共役クエリに対する回答を分類可能なグラフニューラルネットワークモデルであるAnyCQを提案する。 我々は、AnyCQが任意の構造を持つ大規模クエリに一般化できることを示し、既存のアプローチが失敗するサンプルに対する回答を確実に分類し、検索する。
  論文  参考訳（メタデータ） (2024-09-21T00:30:44Z)
• Improving Complex Reasoning over Knowledge Graph with Logic-Aware Curriculum Tuning [89.89857766491475]
  大規模言語モデル(LLM)に基づくKG上の複雑な推論スキーマを提案する。 任意の一階論理クエリを二分木分解により拡張し、LLMの推論能力を刺激する。 広く使われているデータセットに対する実験では、LACTは高度な手法よりも大幅に改善されている(平均+5.5% MRRスコア)。
  論文  参考訳（メタデータ） (2024-05-02T18:12:08Z)
• Prompt-fused framework for Inductive Logical Query Answering [31.736934787328156]
  本稿では,Pro-QEという問合せ対応のプロンプトフューズフレームワークを提案する。 論理的クエリにおける未知のエンティティの問題に,我々のモデルがうまく対処できることが示される。
  論文  参考訳（メタデータ） (2024-03-19T11:30:30Z)
• Soft Reasoning on Uncertain Knowledge Graphs [85.1968214421899]
  本研究では,ソフト制約プログラミングの確立を動機とした,不確実な知識に対するソフトクエリの設定について検討する。 本稿では,大規模,不完全,不確実な知識グラフ上でのソフトクエリに応答する,前方推論と後方校正を併用したMLベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2024-03-03T13:13:53Z)
• Type-based Neural Link Prediction Adapter for Complex Query Answering [2.1098688291287475]
  本稿では,タイプベースエンティティ関係グラフを構成する新しいモデルであるTypEベースのニューラルリンク予測アダプタ(TENLPA)を提案する。 型情報と複雑な論理的クエリを効果的に結合するために,適応学習機構を導入する。 3つの標準データセットの実験により、TENLPAモデルが複雑なクエリ応答における最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2024-01-29T10:54:28Z)
• Logical Message Passing Networks with One-hop Inference on Atomic Formulas [57.47174363091452]
  本稿では,ニューラルネットワーク演算子から知識グラフの埋め込みを分解する,複雑な問合せ応答のためのフレームワークを提案する。 クエリグラフの上に、局所的な原子式上のワンホップ推論とグローバル論理的推論を結びつける論理メッセージパッシングニューラルネットワーク(LMPNN)を提案する。 我々のアプローチは、最先端のニューラルCQAモデルをもたらす。
  論文  参考訳（メタデータ） (2023-01-21T02:34:06Z)
• ConvFinQA: Exploring the Chain of Numerical Reasoning in Conversational Finance Question Answering [70.6359636116848]
  本稿では,対話型質問応答における数値推論の連鎖を研究するために,新しい大規模データセットConvFinQAを提案する。 我々のデータセットは、現実世界の会話において、長距離で複雑な数値推論パスをモデル化する上で大きな課題となる。
  論文  参考訳（メタデータ） (2022-10-07T23:48:50Z)
• Parsimonious Inference [0.0]
  parsimonious inferenceは任意のアーキテクチャ上の推論の情報理論的な定式化である。 提案手法は,効率的な符号化と巧妙なサンプリング戦略を組み合わせて,クロスバリデーションを伴わない予測アンサンブルを構築する。
  論文  参考訳（メタデータ） (2021-03-03T04:13:14Z)
• ReClor: A Reading Comprehension Dataset Requiring Logical Reasoning [85.33459673197149]
  標準化された大学院受験試験から抽出した論理的推論(ReClor)を必要とする新たな読解データセットを提案する。 本稿では、偏りのあるデータポイントを識別し、それらをEASY集合と残りをHARD集合に分離することを提案する。 実験結果によると、最先端のモデルでは、データセットに含まれるバイアスをEASYセット上で高精度にキャプチャする能力に優れていた。 しかし、彼らはランダムな推測に近い性能のHARDセットに苦慮しており、現在のモデルの論理的推論能力を本質的に向上させるためには、より多くの研究が必要であることを示している。
  論文  参考訳（メタデータ） (2020-02-11T11:54:29Z)
• Relational Neural Machines [19.569025323453257]
  本稿では,学習者のパラメータと一階論理に基づく推論を共同で学習するフレームワークを提案する。 ニューラルネットワークは、純粋な準記号学習の場合の古典的な学習結果とマルコフ論理ネットワークの両方を復元することができる。 適切なアルゴリズム解は、大規模な問題において学習と推論が引き出すことができるように考案されている。
  論文  参考訳（メタデータ） (2020-02-06T10:53:57Z)

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。