論文の概要: Notation3 as an Existential Rule Language

• arxiv url: http://arxiv.org/abs/2308.07332v1
• Date: Thu, 10 Aug 2023 07:41:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-20 16:29:44.612393
• Title: Notation3 as an Existential Rule Language
• Title（参考訳）: 存在規則言語としての notation3
• Authors: D\"orthe Arndt and Stephan Mennicke
• Abstract要約: Notation3 Logic (n Three)はRDFの拡張で、RDFグラフに新しい空白ノードを導入したルールを書くことができる。 本稿では,頭頂部に空白ノードを持つ3つの規則と実存規則の関係について検討する。
• 参考スコア（独自算出の注目度）: 1.805754781371908
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Notation3 Logic (\nthree) is an extension of RDF that allows the user to write rules introducing new blank nodes to RDF graphs. Many applications (e.g., ontology mapping) rely on this feature as blank nodes -- used directly or in auxiliary constructs -- are omnipresent on the Web. However, the number of fast \nthree reasoners covering this very important feature of the logic is rather limited. On the other hand, there are engines like VLog or Nemo which do not directly support Semantic Web rule formats but which are developed and optimized for very similar constructs: existential rules. In this paper, we investigate the relation between \nthree rules with blank nodes in their heads and existential rules. We identify a subset of \nthree which can be mapped directly to existential rules and define such a mapping preserving the equivalence of \nthree formulae. In order to also illustrate that in some cases \nthree reasoning could benefit from our translation, we then employ this mapping in an implementation to compare the performance of the \nthree reasoners EYE and cwm to VLog and Nemo on \nthree rules and their mapped counterparts. Our tests show that the existential rule reasoners perform particularly well for use cases containing many facts while especially the EYE reasoner is very fast when dealing with a high number of dependent rules. We thus provide a tool enabling the Semantic Web community to directly use existing and future existential rule reasoners and benefit from the findings of this active community.
• Abstract（参考訳）: Notation3 Logic (\n Three)はRDFの拡張で、RDFグラフに新しい空白ノードを導入したルールを書くことができる。 多くのアプリケーション(オントロジーマッピングなど)は、空白ノード -- 直接あるいは補助的なコンストラクト -- がWeb上で完全に表現されているため、この機能に依存している。 しかし、このロジックの非常に重要な特徴をカバーする高速な \n3 推論の数は、かなり限られている。 一方、vlogやnemoのようなエンジンはセマンティックなwebルールフォーマットを直接サポートしていないが、非常に似た構成のために開発され最適化されている。 本稿では,頭部に空白ノードを持つ「3」規則と実存規則の関係について検討する。 我々は、存在規則に直接写像できる \nthree の部分集合を特定し、そのような写像を \nthree 公式の同値性を保つように定義する。 また、いくつかのケースで \nthree 推論が我々の翻訳の恩恵を受ける可能性があることを説明するために、我々はこのマッピングを用いて \nthree 推論の eye と cwm を vlog と nemo に比較した。 実存規則推論器は,多くの事実を含むユースケースにおいて特に有効であり,特にEYE推論器は多数の依存ルールを扱う場合,非常に高速であることを示す。 そこで我々は,Semantic Webコミュニティが,現在および将来の既存のルール推論を直接利用し,このアクティブなコミュニティの発見の恩恵を受けることができるツールを提供する。

関連論文リスト

• Symbolic Working Memory Enhances Language Models for Complex Rule Application [87.34281749422756]
  大規模言語モデル(LLM)は、顕著な推論性能を示しているが、多段階の推論に苦慮している。 本稿では,外部ワーキングメモリを用いたLLMの拡張と,ルール適用のためのニューロシンボリックフレームワークを提案する。 当社のフレームワークは,LLMベースのルール実装とシンボリックルールグラウンディングを反復的に実施する。
  論文  参考訳（メタデータ） (2024-08-24T19:11:54Z)
• Learning Rule-Induced Subgraph Representations for Inductive Relation Prediction [7.265921857903076]
  我々は,textbfRule-inductextbfEd textbfSubgraph representextbfTations を学習するために,新しいテクスティングルソースエッジワイドGNNモデルを提案する。 RESTは、Textitruleによって引き起こされるサブグラフ表現を学ぶための理論的サポートを備えた、シンプルで効果的なアプローチである。
  論文  参考訳（メタデータ） (2024-08-09T02:27:46Z)
• Can LLMs Reason with Rules? Logic Scaffolding for Stress-Testing and Improving LLMs [87.34281749422756]
  大規模言語モデル(LLM)は、様々な推論タスクにおいて、印象的な人間的なパフォーマンスを実現している。 しかし、その根底にある推論規則の熟達性は、人間の能力に欠ける。 本稿では,推論ルールベースであるULogicを構築するための,推論ルール生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-18T03:38:51Z)
• ChatRule: Mining Logical Rules with Large Language Models for Knowledge Graph Reasoning [107.61997887260056]
  そこで我々は,知識グラフ上の論理ルールをマイニングするための大規模言語モデルの力を解き放つ新しいフレームワークChatRuleを提案する。 具体的には、このフレームワークは、KGのセマンティック情報と構造情報の両方を活用するLLMベースのルールジェネレータで開始される。 生成されたルールを洗練させるために、ルールランキングモジュールは、既存のKGから事実を取り入れてルール品質を推定する。
  論文  参考訳（メタデータ） (2023-09-04T11:38:02Z)
• RulE: Knowledge Graph Reasoning with Rule Embedding [69.31451649090661]
  我々は、論理ルールを活用してKG推論を強化する、textbfRulE(ルール埋め込みのためのスタンド)と呼ばれる原則的なフレームワークを提案する。 RulEは、既存の三重項と一階規則からルールの埋め込みを学習し、統一された埋め込み空間において、textbfentities、textbfrelations、textbflogical rulesを共同で表現する。 複数のベンチマークの結果、我々のモデルは既存の埋め込みベースのアプローチやルールベースのアプローチよりも優れています。
  論文  参考訳（メタデータ） (2022-10-24T06:47:13Z)
• Graph Neural Networks for Link Prediction with Subgraph Sketching [15.808095529382138]
  ELPH(Efficient Link Prediction with Hashing)と呼ばれる新しいフルグラフGNNを提案する。 SGNNのキーコンポーネントを明示的なサブグラフ構成なしで近似するために、サブグラフのスケッチをメッセージとして渡す。 多くの標準LPベンチマークで既存のSGNNモデルより優れており、桁違いに高速である。
  論文  参考訳（メタデータ） (2022-09-30T14:20:07Z)
• Hierarchical Context Tagging for Utterance Rewriting [51.251400047377324]
  配列を線形に生成するのではなくタグ付けする方法は、ドメイン内および外部の書き直し設定においてより強力であることが証明されている。 本稿では,スロット付きルールを予測してこの問題を緩和する階層型コンテキストタグを提案する。 いくつかのベンチマーク実験により、HCTは2つのBLEUポイントで最先端の書き換えシステムより優れていることが示された。
  論文  参考訳（メタデータ） (2022-06-22T17:09:34Z)
• Can we Fix the Scope for Coreference? Problems and Solutions for Benchmarks beyond OntoNotes [3.6550217261503675]
  OntoNotesアノテーションスキームの多くの側面は、NLP実践者によってよく理解されていない。 この意見は、OntoNotesのコア参照の修正に関する問題をいくつか強調することを目的としている。
  論文  参考訳（メタデータ） (2021-12-17T20:00:54Z)
• Few-Shot Semantic Parsing with Language Models Trained On Code [52.23355024995237]
  Codexは同等のGPT-3モデルよりもセマンティックパーシングが優れていることがわかった。 GPT-3とは異なり、Codexは意味表現を直接ターゲットとする場合、おそらく意味解析で使われる意味表現がコードと似た構造になっているように、同じように機能する。
  論文  参考訳（メタデータ） (2021-12-16T08:34:06Z)

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。