論文の概要: OLG++: A Semantic Extension of Obligation Logic Graph

• arxiv url: http://arxiv.org/abs/2507.05488v1
• Date: Mon, 07 Jul 2025 21:24:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:37.35067
• Title: OLG++: A Semantic Extension of Obligation Logic Graph
• Title（参考訳）: OLG++: オブジェクト指向論理グラフのセマンティック拡張
• Authors: Subhasis Dasgupta, Jon Stephens, Amarnath Gupta,
• Abstract要約: OLG++は、市町村における規制と法的規則をモデル化するためのOligation Logic Graph(OLG)のセマンティック拡張である。 OLG++は、空間、時間、パーティグループ、デファシビリティ、論理的なグループ構造など、よりリッチなノードとエッジタイプを導入している。 我々の例では、OLG++は法的な知識表現のための従来のグラフベースモデルよりも表現力が高い。
• 参考スコア（独自算出の注目度）: 0.4588028371034406
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present OLG++, a semantic extension of the Obligation Logic Graph (OLG) for modeling regulatory and legal rules in municipal and interjurisdictional contexts. OLG++ introduces richer node and edge types, including spatial, temporal, party group, defeasibility, and logical grouping constructs, enabling nuanced representations of legal obligations, exceptions, and hierarchies. The model supports structured reasoning over rules with contextual conditions, precedence, and complex triggers. We demonstrate its expressiveness through examples from food business regulations, showing how OLG++ supports legal question answering using property graph queries. OLG++ also improves over LegalRuleML by providing native support for subClassOf, spatial constraints, and reified exception structures. Our examples show that OLG++ is more expressive than prior graph-based models for legal knowledge representation.
• Abstract（参考訳）: OLG++は、市町村における規制と法的規則をモデル化するためのOligation Logic Graph(OLG)のセマンティック拡張である。 OLG++は、空間、時間、パーティグループ、デファシビリティ、論理的なグループ構造を含む、よりリッチなノードとエッジタイプを導入し、法的義務、例外、階層のニュアンスな表現を可能にしている。 このモデルは、コンテキスト条件、優先条件、複雑なトリガーを含むルールに対する構造化推論をサポートする。 食品事業規制の例を通して,その表現性を実証し,プロパティグラフクエリを用いた法的質問応答をORG++がどのようにサポートするかを示す。 OLG++はまた、subClassOfのネイティブサポート、空間制約、改善された例外構造を提供することで、LegalRuleMLよりも改善されている。 我々の例では、OLG++は法的な知識表現のための従来のグラフベースモデルよりも表現力が高い。

関連論文リスト

• Align-GRAG: Reasoning-Guided Dual Alignment for Graph Retrieval-Augmented Generation [75.9865035064794]
  大きな言語モデル(LLM)は目覚ましい能力を示しているが、幻覚や時代遅れの情報といった問題に苦戦している。 Retrieval-augmented Generation (RAG) は、情報検索システム(IR)を用いて、外部知識のLLM出力を基底にすることで、これらの問題に対処する。 本稿では、検索後句における新しい推論誘導二重アライメントフレームワークであるAlign-GRAGを提案する。
  論文  参考訳（メタデータ） (2025-05-22T05:15:27Z)
• A Foundational Schema.org Mapping for a Legal Knowledge Graph: Representing Brazilian Legal Norms as FRBR Works [0.0]
  機械可読性に関する法的な規範を構築することは、高度なAIと情報検索システムを構築するための重要な前提条件である。 本稿では,抽象法的作業の基盤的スキーマ.org/登録語彙へのマッピングを提案する。 この構造化された形式的なアプローチは、決定論的かつ検証可能な知識グラフを作成するための重要な第一歩を提供する。
  論文  参考訳（メタデータ） (2025-05-12T15:11:11Z)
• Graph RAG for Legal Norms: A Hierarchical, Temporal and Deterministic Approach [0.0]
  本稿では,法規範の分析・理解に特化して設計されたグラフ検索拡張生成(Graph RAG)の適応を提案する。
  論文  参考訳（メタデータ） (2025-04-29T18:36:57Z)
• An Explicit Syllogistic Legal Reasoning Framework for Large Language Models [5.501226256903341]
  大規模言語モデル(LLM)は法的問題に答えることができるが、しばしば明示的なシロジック推論に苦慮する。 我々は,LLMが明示的なシロジックな法的推論を行えるように設計された新しいフレームワークであるSyLeRを紹介した。 SyLeRは、関係する法規や前例を合成するために、木構造的階層的検索機構を使用している。
  論文  参考訳（メタデータ） (2025-04-05T03:34:51Z)
• 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)
• Automated legal reasoning with discretion to act using s(LAW) [0.294944680995069]
  倫理的および法的懸念は、自動化された推論者が人間の理解可能な言葉で正当化する必要がある。 パターンのセットに従って曖昧な概念をモデル化するために、ASPを述語するためのトップダウン実行モデルであるs(CASP)を使うことを提案する。 我々は、s(LAW)と呼ばれるフレームワークを実装して、適用可能な法律をモデル化、理由付け、正当化し、代表的なユースケースを翻訳(およびベンチマーク)することでそれを検証しました。
  論文  参考訳（メタデータ） (2024-01-25T21:11:08Z)
• Hi-ArG: Exploring the Integration of Hierarchical Argumentation Graphs in Language Pretraining [62.069374456021016]
  議論を整理する新しい構造である階層的議論グラフ(Hi-ArG)を提案する。 また,テキストグラフマルチモーダルモデルであるGreaseArGや,グラフ情報を付加した新たな事前学習フレームワークなど,Hi-ArGを活用するための2つのアプローチを導入する。
  論文  参考訳（メタデータ） (2023-12-01T19:03:38Z)
• 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)
• Unifying Graph Contrastive Learning with Flexible Contextual Scopes [57.86762576319638]
  フレキシブルコンテキストスコープを用いたグラフコントラスト学習(略してUGCL)という自己教師型学習手法を提案する。 本アルゴリズムは,隣接行列のパワーを制御し,コンテキストスコープによるフレキシブルな文脈表現を構築する。 局所的スコープと文脈的スコープの両方の表現に基づいて、distLはグラフ表現学習のための非常に単純な対照的な損失関数を最適化する。
  論文  参考訳（メタデータ） (2022-10-17T07:16:17Z)
• A Formalisation of Abstract Argumentation in Higher-Order Logic [77.34726150561087]
  本稿では,古典的高階論理へのエンコーディングに基づく抽象的議論フレームワークの表現手法を提案する。 対話型および自動推論ツールを用いた抽象的議論フレームワークのコンピュータ支援評価のための一様フレームワークを提供する。
  論文  参考訳（メタデータ） (2021-10-18T10:45:59Z)

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。