論文の概要: Optimised Storage for Datalog Reasoning

• arxiv url: http://arxiv.org/abs/2312.11297v2
• Date: Tue, 19 Dec 2023 16:11:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 19:30:19.604978
• Title: Optimised Storage for Datalog Reasoning
• Title（参考訳）: データログ推論のための最適化ストレージ
• Authors: Xinyue Zhang, Pan Hu, Yavor Nenov, Ian Horrocks
• Abstract要約: 物質化は、事実とルールのすべての結果を事前計算することで、データログの推論を促進する。 全ての実体化された事実を保管することは、実際には不可能かもしれない。特に規則が複雑で、与えられた事実の集合が大きい場合。 本稿では,このような最適化ストレージスキームを標準物質化アルゴリズムと統合可能な汎用フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 8.305527776204178
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Materialisation facilitates Datalog reasoning by precomputing all consequences of the facts and the rules so that queries can be directly answered over the materialised facts. However, storing all materialised facts may be infeasible in practice, especially when the rules are complex and the given set of facts is large. We observe that for certain combinations of rules, there exist data structures that compactly represent the reasoning result and can be efficiently queried when necessary. In this paper, we present a general framework that allows for the integration of such optimised storage schemes with standard materialisation algorithms. Moreover, we devise optimised storage schemes targeting at transitive rules and union rules, two types of (combination of) rules that commonly occur in practice. Our experimental evaluation shows that our approach significantly improves memory consumption, sometimes by orders of magnitude, while remaining competitive in terms of query answering time.
• Abstract（参考訳）: 物質化は、事実とルールのすべての結果を事前計算することで、データログの推論を促進する。 しかし、実際にはすべての事実を保存することは不可能であり、特に規則が複雑で与えられた事実の集合が大きい場合である。 ルールの組み合わせによっては、推論結果をコンパクトに表現し、必要に応じて効率的にクエリできるデータ構造が存在することを観察する。 本稿では,このような最適化ストレージスキームと標準実現アルゴリズムの統合を可能にする汎用フレームワークを提案する。 さらに, 現実に一般的に発生する2種類の(組み合わせ)ルールである, 推移規則と連合規則を対象とする最適記憶方式を考案した。 実験により,クエリ応答時間の面では競争力を維持しながら,メモリ使用量を大幅に改善することが示された。

関連論文リスト

• Data reification in a concurrent rely-guarantee algebra [0.0]
  シーケンシャルプログラムのためのデータリフィケーション(あるいは「リファインメント」)技術が確立されている。 例として、Galler-Fischer同値関係データ構造のバージョンを用いる。
  論文  参考訳（メタデータ） (2024-05-09T05:09:37Z)
• Mutual information and the encoding of contingency tables [0.4779196219827508]
  相互情報は、与えられたオブジェクトの集合のラベル付け間の類似性の尺度として一般的に使用される。 最近論じられたように、相互情報は、いわゆる並行性表の情報コストを無視するため、偏りのある結果を返すことができる。 本稿では,典型的ユースケースにおいて,より優れた境界を付与する並列性テーブルの符号化法について述べる。
  論文  参考訳（メタデータ） (2024-05-08T19:49:39Z)
• Obtaining Explainable Classification Models using Distributionally Robust Optimization [12.511155426574563]
  特徴値規則の集合を用いて構築した一般化線形モデルについて検討する。 ルールセットの間隔と予測精度の間には、固有のトレードオフが存在する。 我々はこれらの競合する要因に同時に対処するルールセットの集合を学習するための新しい定式化を提案する。
  論文  参考訳（メタデータ） (2023-11-03T15:45:34Z)
• Rethinking Complex Queries on Knowledge Graphs with Neural Link Predictors [58.340159346749964]
  本稿では,証明可能な推論能力を備えた複雑なクエリを用いたエンドツーエンド学習を支援するニューラルシンボリック手法を提案する。 これまでに検討されていない10種類の新しいクエリを含む新しいデータセットを開発する。 提案手法は,新しいデータセットにおいて先行手法を著しく上回り,既存データセットにおける先行手法を同時に上回っている。
  論文  参考訳（メタデータ） (2023-04-14T11:35:35Z)
• Relational Proxies: Emergent Relationships as Fine-Grained Discriminators [52.17542855760418]
  本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。 我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。 また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
  論文  参考訳（メタデータ） (2022-10-05T11:08:04Z)
• Relational Action Bases: Formalization, Effective Safety Verification, and Invariants (Extended Version) [67.99023219822564]
  我々はリレーショナルアクションベース(RAB)の一般的な枠組みを紹介する。 RABは両方の制限を解除することで既存のモデルを一般化する。 データ対応ビジネスプロセスのベンチマークにおいて、このアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-08-12T17:03:50Z)
• Structural Learning of Probabilistic Sentential Decision Diagrams under Partial Closed-World Assumption [127.439030701253]
  確率感性決定図は構造化分解可能な回路のクラスである。 本稿では,回路の論理的基盤を暗黙的に提供する部分閉世界仮定に基づく新しいスキームを提案する。 予備実験では、提案手法がトレーニングデータに適切に適合し、基礎となる論理的基盤と整合性を維持した上で、テストデータによく適合することを示した。
  論文  参考訳（メタデータ） (2021-07-26T12:01:56Z)
• String Theories involving Regular Membership Predicates: From Practice to Theory and Back [12.98284167710378]
  文字列制約系に対する満足度問題に対するアルゴリズムは、対象ケースに存在する制約の構造を徹底的に理解する必要がある。 本稿では,正規表現構成述語を含む文献で提示されるベンチマークを調査し,異なる一階述語論理理論を抽出し,決定不能性を証明する。 特に、現実世界のベンチマークで最も一般的な理論はPSPACE完全であり、文字列制約を解決するためのより効率的なアルゴリズムの実装に直結する。
  論文  参考訳（メタデータ） (2021-05-15T13:13:50Z)
• Parsimonious Inference [0.0]
  parsimonious inferenceは任意のアーキテクチャ上の推論の情報理論的な定式化である。 提案手法は,効率的な符号化と巧妙なサンプリング戦略を組み合わせて,クロスバリデーションを伴わない予測アンサンブルを構築する。
  論文  参考訳（メタデータ） (2021-03-03T04:13:14Z)
• Learning Implicitly with Noisy Data in Linear Arithmetic [94.66549436482306]
  PAC-セマンティックスにおける暗黙学習を拡張し、線形算術の言語における間隔としきい値の不確実性を扱う。 最適線形プログラミング対象制約の学習に対する我々の暗黙的アプローチは、実際的な明示的アプローチよりも著しく優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-23T19:08:46Z)
• An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
  データから制約をマイニングするための一般的なフレームワークを提案する。 特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。 提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-18T20:09:53Z)

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。