論文の概要: \"Uberpr\"ufung von Integrit\"atsbedingungen in Deduktiven Datenbanken

• arxiv url: http://arxiv.org/abs/2304.09944v1
• Date: Tue, 21 Mar 2023 21:07:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-23 03:57:22.596567
• Title: \"Uberpr\"ufung von Integrit\"atsbedingungen in Deduktiven Datenbanken
• Title（参考訳）: deduktiven datenbankenにおける"uberpr\"ufung von integrit\"atsbedingungen
• Authors: Stefan Decker
• Abstract要約: 整合性違反は、整合性制約の証明に関する特別な操作と解釈できる。 本研究では,証明木を特別なデータ構造として定義し,そのような木を通してSLDNF証明の存在を示唆する。 知識ベースの変化が整合性制約の妥当性に影響を及ぼすかどうかを規定する条件の最小セットを決定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Advancements in computer science and AI lead to the development of larger, more complex knowledge bases. These are susceptible to contradictions, particularly when multiple experts are involved. To ensure integrity during changes, procedures are needed. This work addresses the problem from a logical programming perspective. Integrity violations can be interpreted as special operations on proofs of integrity constraints, with SLDNF proofs being the focus. We define a proof tree as a special data structure and demonstrate the implication of the existence of an SLDNF proof through such a tree. Proof trees are more convenient than SLDNF trees and allow set-oriented considerations of proofs. They also present the proof structure more clearly, enabling further applications. Using this structure, we determine a minimal set of conditions that specify when a change in the knowledge base affects the validity of an integrity constraint. Additionally, this approach allows for the reuse of large parts of the old proof when searching for a new one, which reduces the effort compared to previous approaches.
• Abstract（参考訳）: コンピュータ科学とaiの進歩は、より大きく、より複雑な知識基盤の開発に繋がる。 これらは、特に複数の専門家が関与する場合に、矛盾の影響を受けやすい。 変更の整合性を確保するためには、手順が必要である。 この仕事は論理プログラミングの観点から問題に対処する。 整合性違反は、SLDNF証明が中心となる整合性制約の証明に関する特別な操作と解釈できる。 本研究では,証明木を特別なデータ構造として定義し,そのような木を通してSLDNF証明の存在を示唆する。 証明木はsldnf木よりも便利であり、証明のセット指向の考慮を可能にする。 また、証明構造をより明確に示し、さらなる応用を可能にする。 この構造を用いて、知識ベースの変化が完全性制約の妥当性にいつ影響するかを規定する条件の最小セットを決定する。 さらに、このアプローチは、新しい証明を探す際に古い証明の大部分を再利用することができるため、従来の手法と比べて労力を削減できる。

関連論文リスト

• Efficient and Universal Merkle Tree Inclusion Proofs via OR Aggregation [27.541105686358378]
  本稿では,メルクル木包摂証明のためのOR論理に基づく新しい証明集約手法を提案する。 木内の葉の数に依存しない証明サイズを実現し、有効な葉のハッシュ1つを用いて検証を行う。 提案手法は,ゼロ知識証明システムのスケーラビリティ,効率,柔軟性を著しく向上させる可能性がある。
  論文  参考訳（メタデータ） (2024-05-13T17:15:38Z)
• Enhancing Systematic Decompositional Natural Language Inference Using Informal Logic [51.967603572656266]
  我々は,分解包含を注釈付けするための一貫した理論的なアプローチを導入する。 我々の新しいデータセットRDTEは、前回の分解エンターメントデータセットよりもかなり高い内部整合性(+9%)を持つことがわかった。 また,RDTE による知識蒸留によるエンテーメント分類器の訓練や,エンテーメントツリー推論エンジンへの導入により,精度と検証精度が向上することが確認された。
  論文  参考訳（メタデータ） (2024-02-22T18:55:17Z)
• Latent Hierarchical Causal Structure Discovery with Rank Constraints [19.61598654735681]
  我々は、いくつかの変数が潜伏し、階層的なグラフ構造を形成する因果構造同定のための挑戦的なシナリオを考える。 本稿では,潜伏変数を効率よく検出し,その濃度を判定し,潜伏階層構造を同定する推定手法を提案する。
  論文  参考訳（メタデータ） (2022-10-01T03:27:54Z)
• Interpretable Proof Generation via Iterative Backward Reasoning [37.03964644070573]
  ルールベース質問回答(QA)における証明生成タスクを解決するための反復的後方推論モデルIRRを提案する。 1) 証明パスのノードとエッジを反復的に後方に予測することで, 詳細な追跡による推論手順の解釈可能性を高めること, 2) 証明生成時に外部ノイズを発生させる可能性のある中間テキストを使わずに, ノードと履歴パスの詳細な表現を推論することで, 効率と精度を向上させること。
  論文  参考訳（メタデータ） (2022-05-22T02:44:14Z)
• Causal de Finetti: On the Identification of Invariant Causal Structure in Exchangeable Data [45.389985793060674]
  制約に基づく因果探索法は、条件付き独立試験を利用して、様々な応用において因果関係を推定する。 交換可能なデータには、i.d.$$データよりもリッチな条件付き独立構造が含まれており、よりリッチな構造が因果発見にどのように活用できるかを示す。
  論文  参考訳（メタデータ） (2022-03-29T17:10:39Z)
• multiPRover: Generating Multiple Proofs for Improved Interpretability in Rule Reasoning [73.09791959325204]
  我々は、自然言語の事実と規則の形で明示的な知識を推論することを目的としている言語形式推論の一種に焦点を当てる。 PRoverという名前の最近の研究は、質問に答え、答えを説明する証明グラフを生成することによって、そのような推論を行う。 本研究では,自然言語規則ベースの推論のために複数の証明グラフを生成するという,新たな課題に対処する。
  論文  参考訳（メタデータ） (2021-06-02T17:58:35Z)
• A simple geometric proof for the benefit of depth in ReLU networks [57.815699322370826]
  本論文では, 多層フィードフォワードネットワークにおける深度の利点を, 整流活性化(深度分離)により証明する。 我々は、線形深さ($m$)と小さな定数幅($leq 4$)を持つ具体的なニューラルネットワークを示し、問題をゼロエラーで分類する。
  論文  参考訳（メタデータ） (2021-01-18T15:40:27Z)
• PRover: Proof Generation for Interpretable Reasoning over Rules [81.40404921232192]
  本稿では,ルールベース上の二項質問に応答し,対応する証明を生成するトランスフォーマーモデルを提案する。 本モデルは,効率的な制約付き学習パラダイムを用いて,証明グラフに対応するノードやエッジを予測できることを学習する。 我々は、QAと証明生成のための有望な結果を示すために、合成、手書き、人文による規則ベースの実験を行う。
  論文  参考訳（メタデータ） (2020-10-06T15:47:53Z)
• On $\ell_p$-norm Robustness of Ensemble Stumps and Trees [83.81523991945018]
  我々は,アンサンブルスタンプの音響検証のための効率的なプログラムベースアルゴリズムを開発した。 我々は,アンサンブル・スタンプや木を訓練するための最初の認証された防御法を,$ell_p$ノルム摂動に関して実証した。
  論文  参考訳（メタデータ） (2020-08-20T03:42:40Z)
• CSNE: Conditional Signed Network Embedding [77.54225346953069]
  署名されたネットワークは、友人/フォアや信頼/不信のようなエンティティ間の正と負の関係を符号化する。 サイン予測のための既存の埋め込み手法は、一般に最適化関数におけるステータスやバランス理論の異なる概念を強制する。 条件付き符号付きネットワーク埋め込み(CSNE)を導入する。 我々の確率論的アプローチは、きめ細かな詳細とは別途、ネットワーク内の記号に関する構造情報をモデル化する。
  論文  参考訳（メタデータ） (2020-05-19T19:14:52Z)

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。