論文の概要: Existential Notation3 Logic
- arxiv url: http://arxiv.org/abs/2308.07332v2
- Date: Mon, 24 Mar 2025 10:15:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-25 14:29:21.546185
- Title: Existential Notation3 Logic
- Title(参考訳): Existential Notation3 Logic
- Authors: Dörthe Arndt, Stephan Mennicke,
- Abstract要約: 頭部に空白ノードを特徴付けるN3規則と実存規則との相関について検討した。
我々は、EYEやcwmのようなN3推論器の性能をVLogやNemoと比較する。
以上の結果から,実存則推論器は豊富な事実を持つシナリオにおいて優れており,EYE推論器は大量の依存ルールを管理する上での例外的な速度を示す。
- 参考スコア(独自算出の注目度): 1.5285292154680246
- License:
- Abstract: In this paper, we delve into Notation3 Logic (N3), an extension of RDF, which empowers users to craft rules introducing fresh blank nodes to RDF graphs. This capability is pivotal in various applications such as ontology mapping, given the ubiquitous presence of blank nodes directly or in auxiliary constructs across the Web. However, the availability of fast N3 reasoners fully supporting blank node introduction remains limited. Conversely, engines like VLog or Nemo, though not explicitly designed for Semantic Web rule formats, cater to analogous constructs, namely existential rules. We investigate the correlation between N3 rules featuring blank nodes in their heads and existential rules. We pinpoint a subset of N3 that seamlessly translates to existential rules and establish a mapping preserving the equivalence of N3 formulae. To showcase the potential benefits of this translation in N3 reasoning, we implement this mapping and compare the performance of N3 reasoners like EYE and cwm against VLog and Nemo, both on native N3 rules and their translated counterparts. Our findings reveal that existential rule reasoners excel in scenarios with abundant facts, while the EYE reasoner demonstrates exceptional speed in managing a high volume of dependent rules. Additionally to the original conference version of this paper, we include all proofs of the theorems and introduce a new section dedicated to N3 lists featuring built-in functions and how they are implemented in existential rules. Adding lists to our translation/framework gives interesting insights on related design decisions influencing the standardization of N3.
- Abstract(参考訳): 本稿では、RDFの拡張であるNotation3 Logic(N3)を探索し、RDFグラフに新しい空白ノードを導入したルールを作成できるようにする。
この能力は、オントロジーマッピングのような様々なアプリケーションにおいて重要なものであり、空白ノードが直接、あるいはWeb上の補助的な構造にユビキタスに存在することを前提としている。
しかし、空白ノードの導入を完全にサポートする高速なN3推論器は、まだ限られている。
逆に、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のために明示的には設計されていないが、類似のコンストラクト、すなわち存在ルールに特化している。
頭部に空白ノードを特徴付けるN3規則と実存規則との相関について検討した。
我々は、N3 の部分集合を写実規則にシームレスに変換し、N3 の公式の同値性を保存する写像を確立する。
この翻訳の潜在的な利点をN3推論で示すために、我々はこのマッピングを実装し、ネイティブなN3ルールと翻訳されたN3ルールの両方に基づいて、EYEやcwmのようなN3推論器のパフォーマンスを比較した。
以上の結果から,実存則推論器は豊富な事実を持つシナリオにおいて優れており,EYE推論器は大量の依存ルールを管理する上での例外的な速度を示す。
本論文のオリジナルの会議版に加えて、定理のすべての証明を含むとともに、組込み関数を特徴とするN3リスト専用の新しいセクションを導入し、実際にどのように実装されるかを紹介する。
翻訳/フレームワークにリストを追加することで、N3の標準化に影響を及ぼす設計上の決定に関する興味深い洞察が得られます。
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。