論文の概要: Enhancing SPARQL Query Rewriting for Complex Ontology Alignments

• arxiv url: http://arxiv.org/abs/2505.01309v1
• Date: Fri, 02 May 2025 14:38:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-05 17:21:20.061544
• Title: Enhancing SPARQL Query Rewriting for Complex Ontology Alignments
• Title（参考訳）: 複雑なオントロジーアライメントのためのSPARQLクエリリライトの強化
• Authors: Anicet Lepetit Ondo, Laurence Capus, Mamadou Bousso,
• Abstract要約: 本稿では、ソースからターゲットへのSPARQLクエリの自動書き換えのための革新的なアプローチを提案する。 等価トランジットの原理と、GPT-4のような大規模言語モデルの高度な能力を利用する。 異種データのクエリに柔軟なソリューションを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: SPARQL query rewriting is a fundamental mechanism for uniformly querying heterogeneous ontologies in the Linked Data Web. However, the complexity of ontology alignments, particularly rich correspondences (c : c), makes this process challenging. Existing approaches primarily focus on simple (s : s) and partially complex ( s : c) alignments, thereby overlooking the challenges posed by more expressive alignments. Moreover, the intricate syntax of SPARQL presents a barrier for non-expert users seeking to fully exploit the knowledge encapsulated in ontologies. This article proposes an innovative approach for the automatic rewriting of SPARQL queries from a source ontology to a target ontology, based on a user's need expressed in natural language. It leverages the principles of equivalence transitivity as well as the advanced capabilities of large language models such as GPT-4. By integrating these elements, this approach stands out for its ability to efficiently handle complex alignments, particularly (c : c) correspondences , by fully exploiting their expressiveness. Additionally, it facilitates access to aligned ontologies for users unfamiliar with SPARQL, providing a flexible solution for querying heterogeneous data.
• Abstract（参考訳）: SPARQLクエリ書き換えは、Linked Data Webにおける異種オントロジを均一にクエリするための基本的なメカニズムである。 しかし、オントロジーアライメントの複雑さ、特にリッチ対応(c : c)は、この過程を困難にしている。 既存のアプローチは、主に単純 (s : s) と部分複素 (s : c) のアライメントに焦点を当て、より表現力のあるアライメントによって生じる課題を見越す。 さらに、SPARQLの複雑な構文は、オントロジにカプセル化された知識を完全に活用しようとする非エキスパートユーザにとって障壁となる。 本稿では、自然言語で表現されたユーザの要求に基づいて、ソースオントロジーからターゲットオントロジーへのSPARQLクエリの自動書き直しのための革新的なアプローチを提案する。 等価推移性の原理と、GPT-4のような大規模言語モデルの高度な能力を利用する。 これらの要素を統合することで、このアプローチは複雑なアライメント、特に (c : c) 対応を表現性を完全に活用することで効率的に扱うことができる。 さらに、SPARQLに馴染みのないユーザ向けの整列オントロジーへのアクセスも容易で、異種データのクエリに柔軟なソリューションを提供する。

関連論文リスト

• CORG: Generating Answers from Complex, Interrelated Contexts [57.213304718157985]
  現実世界のコーパスでは、知識は文書間で頻繁に再帰するが、曖昧な命名、時代遅れの情報、エラーのためにしばしば矛盾を含む。 以前の研究では、言語モデルはこれらの複雑さに苦しむことが示されており、典型的には孤立した単一要因に焦点を当てている。 複数のコンテキストを個別に処理されたグループに整理するフレームワークであるContext Organizer (CORG)を紹介する。
  論文  参考訳（メタデータ） (2025-04-25T02:40:48Z)
• FRASE: Structured Representations for Generalizable SPARQL Query Generation [2.5782420501870296]
  本稿では,FSRL(Frame Semantic Role Labeling)を利用したFRASE(FRAme-based Semantic Enhancement)を提案する。 また、LC-QuAD 2.0から派生した新しいデータセットであるLC-QuAD 3.0について、フレーム検出とフレーム要素の議論へのマッピングを通じて、FRASEを用いて各質問を豊かにする。 フレームベースの構造化表現の統合は、SPARQL生成性能を一貫して改善することを示す。
  論文  参考訳（メタデータ） (2025-03-28T04:39:52Z)
• Chatbot-Based Ontology Interaction Using Large Language Models and Domain-Specific Standards [41.19948826527649]
  大規模言語モデル(LLM)は、SPARQLクエリ生成を強化するために使用される。 システムはユーザーの問い合わせを正確なSPARQLクエリに変換する。 確立されたドメイン固有の標準からの追加情報がインターフェースに統合される。
  論文  参考訳（メタデータ） (2024-07-22T11:58:36Z)
• Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Complexity [59.57065228857247]
  Retrieval-augmented Large Language Models (LLMs) は、質問回答(QA)のようなタスクにおける応答精度を高めるための有望なアプローチとして登場した。 本稿では,クエリの複雑さに基づいて,LLMの最適戦略を動的に選択できる適応型QAフレームワークを提案する。 オープンドメインのQAデータセットを用いて、複数のクエリの複雑さを網羅し、QAシステムの全体的な効率性と精度を高めることを示す。
  論文  参考訳（メタデータ） (2024-03-21T13:52:30Z)
• An In-Context Schema Understanding Method for Knowledge Base Question Answering [70.87993081445127]
  大きな言語モデル(LLM)は、言語理解において強力な能力を示しており、この課題を解決するために使用することができる。 既存のメソッドは、当初、スキーマ固有の詳細を使わずにLLMを使用してロジックフォームのドラフトを生成することで、この課題を回避している。 そこで本研究では,LLMが文脈内学習を利用してスキーマを直接理解できる簡易なインコンテキスト理解(ICSU)手法を提案する。
  論文  参考訳（メタデータ） (2023-10-22T04:19:17Z)
• Decomposing Complex Queries for Tip-of-the-tongue Retrieval [72.07449449115167]
  複雑なクエリは、コンテンツ要素(例えば、書籍の文字やイベント)、ドキュメントテキスト以外の情報を記述する。 この検索設定は舌の先端 (TOT) と呼ばれ、クエリと文書テキスト間の語彙的および意味的重複に依存するモデルでは特に困難である。 クエリを個別のヒントに分解し、サブクエリとしてルーティングし、特定の検索者にルーティングし、結果をアンサンブルすることで、このような複雑なクエリを扱うための、シンプルで効果的なフレームワークを導入します。
  論文  参考訳（メタデータ） (2023-05-24T11:43:40Z)
• Tree-Augmented Cross-Modal Encoding for Complex-Query Video Retrieval [98.62404433761432]
  インターネット上のユーザ生成ビデオの急速な増加により、テキストベースのビデオ検索システムの必要性が高まっている。 従来の手法は主に単純なクエリによる検索における概念に基づくパラダイムを好んでいる。 木を増設したクロスモーダルを提案する。 クエリの言語構造とビデオの時間表現を共同で学習する手法。
  論文  参考訳（メタデータ） (2020-07-06T02:50:27Z)

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。