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

• Models and algorithms for simple disjunctive temporal problems [0.8793721044482611]
  イベントが任意に大量のリリースと予定日を持つ場合に焦点を当てる。 本稿では,制約プログラミングと線形プログラミングを用いた3つの数学的モデルを提案する。 論文から得られたアルゴリズムを実装し,簡単な時相問題を解くための手法の比較実験を行った。
  論文  参考訳（メタデータ） (2023-02-06T09:40:24Z)
• DeepGAR: Deep Graph Learning for Analogical Reasoning [31.679051203515655]
  アナロジカル推論(アナロジカル推論、Analogical reasoning)は、対象物から対象物への対応関係を発見し、マッピングする過程である。 SMT(Structure-Mapping Theory)は、ターゲットとベースの両方をグラフに抽象化し、アナログ推論の認知過程を形成する。 本稿では,認知理論に基づく制約を仮定することにより,ソースドメインとターゲットドメインの対応を識別する,分析推論(DeepGAR)のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-19T23:12:58Z)
• Neural Active Learning with Performance Guarantees [37.16062387461106]
  非パラメトリックなレシエーションにおけるストリーミング環境におけるアクティブラーニングの問題について検討する。 我々は最近提案されたニューラル・タンジェント・カーネル(NTK)近似ツールを用いて、アルゴリズムが操作する特徴空間と学習したモデルを上から計算する適切なニューラル埋め込みを構築する。
  論文  参考訳（メタデータ） (2021-06-06T20:44:23Z)
• AR-LSAT: Investigating Analytical Reasoning of Text [57.1542673852013]
  テキストの分析的推論の課題を研究し、1991年から2016年までのロースクール入学試験からの質問からなる新しいデータセットを紹介します。 我々は,この課題をうまくこなすために必要な知識理解と推論能力を分析する。
  論文  参考訳（メタデータ） (2021-04-14T02:53:32Z)
• Information Theoretic Meta Learning with Gaussian Processes [74.54485310507336]
  情報理論の概念,すなわち相互情報と情報のボトルネックを用いてメタ学習を定式化する。 相互情報に対する変分近似を用いることで、メタ学習のための汎用的かつトラクタブルな枠組みを導出する。
  論文  参考訳（メタデータ） (2020-09-07T16:47:30Z)
• Rule-based Bayesian regression [0.90238471756546]
  回帰問題に対処する新しいルールベースのアプローチを導入する。 新しい手法は2つの枠組みから成り立っている: (i)ベイズ的推論を用いて利害パラメータの不確実性に関する情報を提供する; (ii)ルールベースのシステムを通じて専門家の知識を組み込むことを可能にする。
  論文  参考訳（メタデータ） (2020-08-02T07:20:45Z)
• Sequential Transfer in Reinforcement Learning with a Generative Model [48.40219742217783]
  本稿では,従来の課題から知識を移譲することで,新たな課題を学習する際のサンプルの複雑さを軽減する方法について述べる。 この種の事前知識を使用することのメリットを明確に示すために,PAC境界のサンプル複雑性を導出する。 簡単なシミュレートされた領域における理論的な発見を実証的に検証する。
  論文  参考訳（メタデータ） (2020-07-01T19:53:35Z)
• A Simple Approach to Case-Based Reasoning in Knowledge Bases [56.661396189466664]
  我々は,古典人工知能(AI)におけるケースベース推論を想起させる,アンフノトレーニングを必要とする知識グラフ(KG)における推論に対する驚くほど単純かつ正確なアプローチを提案する。 ソースエンティティとバイナリ関係が与えられたターゲットエンティティを見つけるタスクを考えてみましょう。 我々の非パラメトリックなアプローチは、与えられた関係を通して類似したソースエンティティを接続する複数のテキストトグラフパスパターンを見つけることによって、クエリ毎にクレープな論理ルールを導出します。
  論文  参考訳（メタデータ） (2020-06-25T06:28:09Z)
• Machine Number Sense: A Dataset of Visual Arithmetic Problems for Abstract and Relational Reasoning [95.18337034090648]
  文法モデルを用いて自動生成される視覚的算術問題からなるデータセット、MNS(Machine Number Sense)を提案する。 これらの視覚的算術問題は幾何学的フィギュアの形をしている。 我々は、この視覚的推論タスクのベースラインとして、4つの主要なニューラルネットワークモデルを用いて、MNSデータセットをベンチマークする。
  論文  参考訳（メタデータ） (2020-04-25T17:14:58Z)

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。