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/2306.09138v4
Date: Tue, 21 Jan 2025 09:56:29 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-23 13:28:53.665983
Title: Exploiting Uncertainty for Querying Inconsistent Description Logics Knowledge Bases
Title（参考訳）: 一貫性のない記述論理の知識ベースを問合せするための不確かさの爆発
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）: 0.3277163122167433
License:
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）: Description Logics Knowledge Bases (KBs) における矛盾を管理する必要性は、セマンティック・ウェブ(Semantic Web)によってもたらされる重要性の高まりに端を発している。古典的推論アルゴリズムは不整合KBを処理せず、不整合を取り除くために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

Subjective Logic Encodings [1.930852251165745]
データパースペクティビズムは、アノテーション間の不一致を利用してモデルを学習しようとする。主観論理SLEはアノテーションをアノテータの意見として明示的にエンコードする分類対象を構築するためのフレームワークである。
論文参考訳（メタデータ） (2025-02-17T15:14:10Z)
Dialogue-based Explanations for Logical Reasoning using Structured Argumentation [0.06138671548064355]
我々は、最先端技術の構造的弱点を特定し、これらの問題に対処するための一般的な議論に基づくアプローチを提案する。我々の研究は、問合せ応答を計算し、説明するための弁証法として対話モデルを提供する。これにより、既存の説明形式よりも表現的かつ直感的な弁証的証明木を説明として構築することができる。
論文参考訳（メタデータ） (2025-02-16T22:26:18Z)
Few-shot Policy (de)composition in Conversational Question Answering [54.259440408606515]
本稿では,大規模言語モデル(LLM)を用いて数ショット設定でポリシーコンプライアンスを検出するニューラルシンボリックフレームワークを提案する。提案手法は,回答すべきサブクエストを抽出し,文脈情報から真理値を割り当て,与えられたポリシーから論理文の集合を明示的に生成することで,政策コンプライアンスに関する会話に対して健全な理由を示す。本手法は,PCDおよび会話機械読解ベンチマークであるShARCに適用し,タスク固有の微調整を伴わずに競合性能を示す。
論文参考訳（メタデータ） (2025-01-20T08:40:15Z)
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)
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)
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。