論文の概要: RDF Surfaces: Computer Says No
- arxiv url: http://arxiv.org/abs/2305.08476v1
- Date: Mon, 15 May 2023 09:27:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 08:42:42.298541
- Title: RDF Surfaces: Computer Says No
- Title(参考訳): RDFのサーフェス:コンピューターはノー
- Authors: Patrick Hochstenbach, Jos De Roo, Ruben Verborgh
- Abstract要約: このビジョンペーパーは基本的な原則を提供し、既存の作業と比較する。
我々は、明示的にノーと言うことを含むFOLの完全な表現性を表現するためにRDF曲面を作成する。
RDF SurfacesはSemantic Web向けのFOLの直接翻訳を提供する。
- 参考スコア(独自算出の注目度): 0.22099217573031676
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Logic can define how agents are provided or denied access to resources, how
to interlink resources using mining processes and provide users with choices
for possible next steps in a workflow. These decisions are for the most part
hidden, internal to machines processing data. In order to exchange this
internal logic a portable Web logic is required which the Semantic Web could
provide. Combining logic and data provides insights into the reasoning process
and creates a new level of trust on the Semantic Web. Current Web logics
carries only a fragment of first-order logic (FOL) to keep exchange languages
decidable or easily processable. But, this is at a cost: the portability of
logic. Machines require implicit agreements to know which fragment of logic is
being exchanged and need a strategy for how to cope with the different
fragments. These choices could obscure insights into the reasoning process. We
created RDF Surfaces in order to express the full expressivity of FOL including
saying explicitly `no'. This vision paper provides basic principles and
compares existing work. Even though support for FOL is semi-decidable, we argue
these problems are surmountable. RDF Surfaces span many use cases, including
describing misuse of information, adding explainability and trust to reasoning,
and providing scope for reasoning over streams of data and queries. RDF
Surfaces provide the direct translation of FOL for the Semantic Web. We hope
this vision paper attracts new implementers and opens the discussion to its
formal specification.
- Abstract(参考訳): Logicは、リソースへのアクセスをエージェントが提供または拒否する方法、マイニングプロセスを使ってリソースをインターリンクする方法、ワークフローにおける次のステップの選択肢をユーザに提供できる。
これらの決定は、ほとんどの場合、機械の内部処理データに隠されている。
この内部ロジックを交換するためには、Semantic Webが提供するポータブルなWebロジックが必要である。
論理とデータの組み合わせは推論プロセスに対する洞察を与え、セマンティックwebに対する新たなレベルの信頼を生み出す。
現在のwebロジックは一階述語論理(fol)の断片しか持たず、交換言語が決定可能あるいは容易に処理可能である。
しかし、これはコストがかかる。論理の可搬性だ。
マシンはロジックのどのフラグメントが交換されているかを知るために暗黙の合意を必要とし、異なるフラグメントに対処するための戦略を必要とする。
これらの選択は、推論プロセスに関する洞察を曖昧にする可能性がある。
我々はFOLの完全な表現性を表現するためにRDF曲面を作成した。
このビジョンペーパーは基本的な原則を提供し、既存の作業と比較する。
FOLのサポートは半決定可能であるが、これらの問題は克服可能であると我々は主張する。
RDF Surfaceは、情報の誤用の説明、推論への説明可能性と信頼の追加、データやクエリのストリームに対する推論のスコープの提供など、多くのユースケースにまたがっている。
RDF SurfacesはSemantic Web向けのFOLの直接翻訳を提供する。
このビジョンペーパーが新しい実装者を惹きつけ、正式な仕様に議論を開くことを願っている。
関連論文リスト
- Chain-of-Table: Evolving Tables in the Reasoning Chain for Table
Understanding [79.9461269253121]
そこで我々は、中間思考のプロキシとして、図表データを推論チェーンで明示的に使用するChain-of-Tableフレームワークを提案する。
Chain-of-TableはWikiTQ、FeTaQA、TabFactベンチマークで最新のパフォーマンスを実現している。
論文 参考訳(メタデータ) (2024-01-09T07:46:26Z) - Language Models can be Logical Solvers [99.40649402395725]
論理解法の推論過程を直接エミュレートする新しい言語モデルであるLoGiPTを導入する。
LoGiPTは、導出的ソルバの見えない推論過程を明らかにして精錬することから導かれる、新しく構築された命令チューニングデータセットに基づいて微調整される。
論文 参考訳(メタデータ) (2023-11-10T16:23:50Z) - 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) - Abstract Meaning Representation-Based Logic-Driven Data Augmentation for
Logical Reasoning [27.889856898725526]
本稿では,論理駆動型データ拡張手法AMR-LDAを提案する。
AMR-LDAは元のテキストを抽象的意味表現(AMR)グラフに変換する。
修正されたAMRグラフは、拡張データを生成するためにテキストに変換される。
論文 参考訳(メタデータ) (2023-05-21T23:16:26Z) - Toward a Unified Framework for Unsupervised Complex Tabular Reasoning [7.275757913661363]
本稿では,教師なし複雑な表型推論のための統一的なフレームワークを提案する。
ヒューマンアノテートされたデータを全く含まないと仮定して、タスクを推論するための複雑な論理を持つ十分かつ多様な合成データを生成する。
実験の結果,教師なし手法は教師なしモデルと比較して,少なくとも93%の性能を達成できることがわかった。
論文 参考訳(メタデータ) (2022-12-20T09:15:03Z) - APOLLO: A Simple Approach for Adaptive Pretraining of Language Models
for Logical Reasoning [73.3035118224719]
本稿では,論理的推論能力を改善した適応事前学習型言語モデルAPOLLOを提案する。
APOLLOはReClorで比較可能であり、LogiQAでベースラインを上回ります。
論文 参考訳(メタデータ) (2022-12-19T07:40:02Z) - Imitation Learning-based Implicit Semantic-aware Communication Networks:
Multi-layer Representation and Collaborative Reasoning [68.63380306259742]
有望な可能性にもかかわらず、セマンティック通信とセマンティック・アウェア・ネットワーキングはまだ初期段階にある。
本稿では,CDCとエッジサーバの複数層を連携させる,推論に基づく暗黙的セマンティック・アウェア通信ネットワークアーキテクチャを提案する。
暗黙的セマンティクスの階層構造と個人ユーザのパーソナライズされた推論嗜好を考慮に入れたセマンティクス情報の多層表現を提案する。
論文 参考訳(メタデータ) (2022-10-28T13:26:08Z) - OPERA:Operation-Pivoted Discrete Reasoning over Text [33.36388276371693]
OPERA(オペラ)は、機械読解のための操作駆動型離散推論フレームワークである。
推論能力と解釈可能性を促進するために、軽量なシンボル操作をニューラルモジュールとして使用する。
DROPとRACENumのデータセットの実験は、OPERAの推論能力を示している。
論文 参考訳(メタデータ) (2022-04-29T15:41:47Z) - Logic Explained Networks [27.800583434727805]
ネットワークのマインドフルな設計が,論理説明ネットワーク(LEN)と呼ばれる解釈可能なディープラーニングモデルのファミリにつながることを示す。
LENは入力を人間の理解可能な述語にのみ要求し、単純な一階述語論理(FOL)の式で説明を提供する。
LENは、決定木やベイズルールリストのような、確立されたホワイトボックスモデルよりも優れた分類が得られる。
論文 参考訳(メタデータ) (2021-08-11T10:55:42Z) - Logic-Driven Context Extension and Data Augmentation for Logical
Reasoning of Text [65.24325614642223]
論理的な記号や表現をテキストで理解し、答えにたどり着くよう提案します。
このような論理的情報に基づいて,文脈拡張フレームワークとデータ拡張アルゴリズムを提案する。
本手法は最先端の性能を実現し,論理駆動コンテキスト拡張フレームワークとデータ拡張アルゴリズムの両方が精度向上に寄与する。
論文 参考訳(メタデータ) (2021-05-08T10:09:36Z) - Fixed Point Semantics for Stream Reasoning [0.0]
ストリーム推論は、AIコミュニティ内の研究領域として現れ、多くの潜在的な応用が期待されている。
非単調なストリーム推論のための規則に基づく形式主義とLARSは、解集合のセマンティクスに基づいて導入された。
我々の意味論は、答え集合がボトムアップから導出可能であり、円形の正当性を含まないという意味で健全で構成的であることを示す。
論文 参考訳(メタデータ) (2020-05-17T22:25:24Z)
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。