Fugu-MT 論文翻訳(概要): Exploiting Uncertainty for Querying Inconsistent Description Logics Knowledge Bases

論文の概要: Exploiting Uncertainty for Querying Inconsistent Description Logics Knowledge Bases

arxiv url: http://arxiv.org/abs/2306.09138v2
Date: Thu, 18 Jan 2024 12:02:06 GMT
ステータス: 処理完了
システム内更新日: 2024-01-19 20:33:13.078641
Title: Exploiting Uncertainty for Querying Inconsistent Description Logics Knowledge Bases
Title（参考訳）: 一貫性のない記述論理を問合せするための不確かさの抽出
Authors: Riccardo Zese, Evelina Lamma, Fabrizio Riguzzi
Abstract要約: 我々は、この問題を解決するために、disPONTEと呼ばれる既存の確率論的意味論を利用する。提案手法をTRILLとBUNDLEに実装し,提案手法の有効性を実証的に検証した。
参考スコア（独自算出の注目度）: 0.3683202928838613
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The necessity to manage inconsistency in Description Logics Knowledge Bases~(KBs) has come to the fore with the increasing importance gained by the Semantic Web, where information comes from different sources that constantly change their content and may contain contradictory descriptions when considered either alone or together. Classical reasoning algorithms do not handle inconsistent KBs, forcing the debugging of the KB in order to remove the inconsistency. In this paper, we exploit an existing probabilistic semantics called DISPONTE to overcome this problem and allow queries also in case of inconsistent KBs. We implemented our approach in the reasoners TRILL and BUNDLE and empirically tested the validity of our proposal. Moreover, we formally compare the presented approach to that of the repair semantics, one of the most established semantics when considering DL reasoning tasks.
Abstract（参考訳）: 説明論理学の知識ベース~(kbs)における一貫性の欠如を管理する必要性は、セマンティックウェブによってもたらされる重要性の最前線にある。古典的推論アルゴリズムは一貫性のないKBを処理せず、矛盾を取り除くためにKBのデバッグを強制する。本稿では,disPONTEと呼ばれる既存の確率論的セマンティクスを利用してこの問題を克服し,不整合KBに対してもクエリを許容する。提案手法をTRILLとBUNDLEで実装し,提案手法の有効性を実証的に検証した。さらに,提案手法を,DL推論タスクにおいて最も確立された意味論の一つである修復意味論と比較した。

関連論文リスト

New Rules for Causal Identification with Background Knowledge [59.733125324672656]
オープンな問題に対する新たな視点を提供するBKを導入するための2つの新しいルールを提案する。これらのルールは、観測データによる因果効果のセットを決定するなど、典型的な因果関係のタスクに適用可能であることを示す。
論文参考訳（メタデータ） (2024-07-21T20:21:21Z)
From Chaos to Clarity: Claim Normalization to Empower Fact-Checking [57.024192702939736]
Claim Normalization(別名 ClaimNorm)は、複雑でノイズの多いソーシャルメディア投稿を、より単純で分かりやすい形式に分解することを目的としている。本稿では,チェーン・オブ・ソートとクレーム・チェック・バシネス推定を利用した先駆的アプローチであるCACNを提案する。実験により, CACNは様々な評価尺度において, いくつかの基準値を上回る性能を示した。
論文参考訳（メタデータ） (2023-10-22T16:07:06Z)
Eliminating Unintended Stable Fixpoints for Hybrid Reasoning Systems [5.208405959764274]
本稿では,AFTに類似した手法を導入し,事前計算した上界を利用して意味をより正確に把握する手法を提案する。我々は、最先端の近似器を拡張することで、MKNF(最小限の知識と失敗を否定する)の知識ベースへのフレームワークの適用性を実証する。
論文参考訳（メタデータ） (2023-07-21T01:08:15Z)
Interpretable Automatic Fine-grained Inconsistency Detection in Text Summarization [56.94741578760294]
本研究の目的は, 要約中の事実誤りの微粒化を予測し, 微粒化不整合検出の課題を提案することである。要約における現実的不整合の検査方法に触発され,解析可能な微粒不整合検出モデルであるFinGrainFactを提案する。
論文参考訳（メタデータ） (2023-05-23T22:11:47Z)
Logical Satisfiability of Counterfactuals for Faithful Explanations in NLI [60.142926537264714]
本稿では, 忠実度スルー・カウンタファクトの方法論について紹介する。これは、説明に表される論理述語に基づいて、反実仮説を生成する。そして、そのモデルが表現された論理と反ファクトの予測が一致しているかどうかを評価する。
論文参考訳（メタデータ） (2022-05-25T03:40:59Z)
Supporting Vision-Language Model Inference with Confounder-pruning Knowledge Prompt [71.77504700496004]
視覚言語モデルは、オープンセットの視覚概念を扱うために、画像とテキストのペアを共通の空間に整列させることで事前訓練される。事前訓練されたモデルの転送可能性を高めるため、最近の研究では、固定または学習可能なプロンプトが採用されている。しかし、どのようにして、どのプロンプトが推論性能を改善するのかは、まだ不明である。
論文参考訳（メタデータ） (2022-05-23T07:51:15Z)
Revisiting the Prepositional-Phrase Attachment Problem Using Explicit Commonsense Knowledge [1.0312968200748118]
我々は、明示的なコモンセンス知識ベースが、適切なアタッチメント決定に不可欠な要素となることを論じる。本結果から,コモンセンス・ナレッジ・ベース・アプローチは,ルール・ベースと統計的手法を融合することにより,両者の長所を享受できることが示唆された。
論文参考訳（メタデータ） (2021-02-01T15:48:36Z)
Braid: Weaving Symbolic and Neural Knowledge into Coherent Logical Explanations [0.9023847175654603]
ブレイドは確率論的ルールを支持する新しい論理的理性である。本稿では、Braidで使用される推論アルゴリズムとその分散タスクベースのフレームワークによる実装について述べる。 ROCストーリークローゼテストにおけるブレイドの評価を行い,最先端の結果に近づいた結果を得た。
論文参考訳（メタデータ） (2020-11-26T15:36:06Z)
Reasoning with Contextual Knowledge and Influence Diagrams [4.111899441919165]
インフルエンス・ダイアグラム(英語版)(ID)は、不確実性の下で決定状況をモデル化するためにベイズ的ネットワークを拡張するよく知られた形式主義である。このような制限を克服するために、IDと軽量記述論理(DL)ELを補完する。
論文参考訳（メタデータ） (2020-07-01T15:57:48Z)
Faithful Embeddings for Knowledge Base Queries [97.5904298152163]
理想的知識ベース(KB)の帰納的閉包は、KBが答えられる論理的クエリを正確に含んでいる。実際にはKBは不完全かつ過剰な仕様であり、現実の答えを持つクエリには答えられない。この新たなQEモジュールをニューラルな質問応答システムに挿入すると、最先端技術よりも大幅に改善されることを示す。
論文参考訳（メタデータ） (2020-04-07T19:25:16Z)
Correcting Knowledge Base Assertions [26.420502742339053]
知識ベース(KB)の有用性とユーザビリティは、品質の問題によって制限されることが多い。よくある問題は誤った主張の存在であり、しばしば語彙的あるいは意味的な混乱によって引き起こされる。このようなアサーションを補正する問題について検討し、語彙マッチング、セマンティック埋め込み、ソフト制約マイニング、セマンティック一貫性チェックを組み合わせた一般的な補正フレームワークを提案する。
論文参考訳（メタデータ） (2020-01-19T23:03:47Z)

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。