論文の概要: Semantics, Ontology and Explanation

• arxiv url: http://arxiv.org/abs/2304.11124v1
• Date: Fri, 21 Apr 2023 16:54:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-24 13:58:00.598338
• Title: Semantics, Ontology and Explanation
• Title（参考訳）: 意味論・オントロジー・説明
• Authors: Giancarlo Guizzardi, Nicola Guarino
• Abstract要約: 本稿では, オントロジアンパックと哲学・科学における他の形態の説明との関係について論じる。 また,人工知能分野におけるオントロジアンパックと他の形態の説明との関係についても論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The terms 'semantics' and 'ontology' are increasingly appearing together with 'explanation', not only in the scientific literature, but also in organizational communication. However, all of these terms are also being significantly overloaded. In this paper, we discuss their strong relation under particular interpretations. Specifically, we discuss a notion of explanation termed ontological unpacking, which aims at explaining symbolic domain descriptions (conceptual models, knowledge graphs, logical specifications) by revealing their ontological commitment in terms of their assumed truthmakers, i.e., the entities in one's ontology that make the propositions in those descriptions true. To illustrate this idea, we employ an ontological theory of relations to explain (by revealing the hidden semantics of) a very simple symbolic model encoded in the standard modeling language UML. We also discuss the essential role played by ontology-driven conceptual models (resulting from this form of explanation processes) in properly supporting semantic interoperability tasks. Finally, we discuss the relation between ontological unpacking and other forms of explanation in philosophy and science, as well as in the area of Artificial Intelligence.
• Abstract（参考訳）: セマンティック」と「オントロジー」という用語は、科学文献だけでなく、組織コミュニケーションにおいても「説明」とともに現れつつある。 しかし、これら全ての用語は大幅に過負荷になっている。 本稿では,その強い関係を,特定の解釈の下で論じる。 具体的には, 概念的ドメイン記述(概念モデル, 知識グラフ, 論理的仕様)を説明することを目的とした, 概念的ドメイン記述(概念的モデル, 知識グラフ, 論理的仕様)と呼ばれる説明概念について論じる。 この概念を説明するために、私たちは、標準モデリング言語umlでエンコードされる非常に単純なシンボリックモデルを説明する(隠れた意味を明らかにすることによって)関係のオントロジ理論を用いています。 また、オントロジ駆動の概念モデル(この説明プロセスから導かれる)が意味的相互運用タスクを適切にサポートする上で果たす重要な役割についても論じる。 最後に, オントロジアンパックと哲学, 科学, 人工知能分野における他の形態の説明との関係について論じる。

関連論文リスト

• A Complexity-Based Theory of Compositionality [53.025566128892066]
  AIでは、構成表現は配布外一般化の強力な形式を可能にすることができる。 ここでは、構成性に関する直観を考慮し、拡張する構成性の公式な定義を提案する。 この定義は概念的には単純で量的であり、アルゴリズム情報理論に基礎を置いており、あらゆる表現に適用できる。
  論文  参考訳（メタデータ） (2024-10-18T18:37:27Z)
• Learning Discrete Concepts in Latent Hierarchical Models [73.01229236386148]
  自然の高次元データから学習する概念は、ヒューマンアライメントと解釈可能な機械学習モデルの構築の可能性を秘めている。 我々は概念を階層的因果モデルを通して関連付けられた離散潜在因果変数として定式化する。 我々は、理論的な主張を合成データ実験で裏付ける。
  論文  参考訳（メタデータ） (2024-06-01T18:01:03Z)
• LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and Reasoning [73.98142349171552]
  LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。 ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。 これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
  論文  参考訳（メタデータ） (2023-09-24T05:43:19Z)
• Ontology for Conceptual Modeling: Reality of What Thinging Machines Talk About, e.g., Information [0.0]
  本稿では,概念モデリングの基礎に基づく図式開発のための学際的な研究手法を開発する。 オントロジーのオフショア調達を哲学から逃れ、CMに移植する試みである。 結果は、情報を定義し、その性質を理解するための有望なアプローチを示すように思われる。
  論文  参考訳（メタデータ） (2023-08-16T03:21:27Z)
• On the Computation of Meaning, Language Models and Incomprehensible Horrors [0.0]
  我々は、意味の基本理論を、人工知能(AGI)の数学的形式主義と統合する。 我々の発見は、意味と知性の関係と、意味を理解して意図する機械を構築する方法に光を当てた。
  論文  参考訳（メタデータ） (2023-04-25T09:41:00Z)
• A Theoretical Framework for AI Models Explainability with Application in Biomedicine [3.5742391373143474]
  本稿では,文献に見いだせる内容の合成である説明の新たな定義を提案する。 我々は、忠実性(すなわち、モデルの内部動作と意思決定プロセスの真の説明である説明)と可否性(つまり、その説明がどの程度ユーザにとって説得力のあるように見えるか)の性質に、説明を適合させる。
  論文  参考訳（メタデータ） (2022-12-29T20:05:26Z)
• MetaLogic: Logical Reasoning Explanations with Fine-Grained Structure [129.8481568648651]
  複雑な実生活シナリオにおけるモデルの論理的推論能力を調べるためのベンチマークを提案する。 推論のマルチホップ連鎖に基づいて、説明形式は3つの主成分を含む。 この新たな説明形式を用いて,現在のベストモデルの性能を評価した。
  論文  参考訳（メタデータ） (2022-10-22T16:01:13Z)
• Scientific Explanation and Natural Language: A Unified Epistemological-Linguistic Perspective for Explainable AI [2.7920304852537536]
  本稿では,理論と実践のギャップを科学的説明の概念に埋めることを目的として,科学的領域に焦点を当てた。 定量的および定性的手法の混合により、本研究では以下の主要な結論を導出することができる。
  論文  参考訳（メタデータ） (2022-05-03T22:31:42Z)
• Formalising Concepts as Grounded Abstractions [68.24080871981869]
  このレポートは、表現学習が生データから概念を誘導する方法を示しています。 このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
  論文  参考訳（メタデータ） (2021-01-13T15:22:01Z)
• Thinking About Causation: A Causal Language with Epistemic Operators [58.720142291102135]
  我々はエージェントの状態を表すことで因果モデルの概念を拡張した。 対象言語の側面には、知識を表現する演算子や、新しい情報を観察する行為が追加されます。 我々は、論理の健全かつ完全な公理化を提供し、このフレームワークと因果的チーム意味論との関係について論じる。
  論文  参考訳（メタデータ） (2020-10-30T12:16:45Z)
• Knowledge Patterns [19.57676317580847]
  本稿では,公理に富む形式オントロジー構築を支援する新しい手法である「知識パターン」について述べる。 知識パターンは、形式オントロジーの構造に関する重要な洞察を提供する。 それらを使って構築されたテクニックとアプリケーションを説明し、その強みと弱点を批判する。
  論文  参考訳（メタデータ） (2020-05-08T22:33:30Z)

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。