論文の概要: SHACL Validation under Graph Updates (Extended Paper)
- arxiv url: http://arxiv.org/abs/2508.00137v1
- Date: Thu, 31 Jul 2025 19:58:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-04 18:08:53.654562
- Title: SHACL Validation under Graph Updates (Extended Paper)
- Title(参考訳): グラフ更新によるSHACL検証(拡張論文)
- Authors: Shqiponja Ahmetaj, George Konstantinidis, Magdalena Ortiz, Paolo Pareti, Mantas Simkus,
- Abstract要約: 本稿では,RDFグラフの直感的かつ現実的な修正をキャプチャできるSHACLベースの更新言語を提案する。
この問題は、与えられた更新シーケンスを適用した後も、SHACL仕様を検証するすべてのグラフがまだそうするかどうかを検証するように要求する。
静的な検証は(マイナーな拡張)SHACLにおける制約の満足度に還元できることを示す。
- 参考スコア(独自算出の注目度): 6.755812289103844
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: SHACL (SHApe Constraint Language) is a W3C standardized constraint language for RDF graphs. In this paper, we study SHACL validation in RDF graphs under updates. We present a SHACL-based update language that can capture intuitive and realistic modifications on RDF graphs and study the problem of static validation under such updates. This problem asks to verify whether every graph that validates a SHACL specification will still do so after applying a given update sequence. More importantly, it provides a basis for further services for reasoning about evolving RDF graphs. Using a regression technique that embeds the update actions into SHACL constraints, we show that static validation under updates can be reduced to (un)satisfiability of constraints in (a minor extension of) SHACL. We analyze the computational complexity of the static validation problem for SHACL and some key fragments. Finally, we present a prototype implementation that performs static validation and other static analysis tasks on SHACL constraints and demonstrate its behavior through preliminary experiments.
- Abstract(参考訳): SHACL(SHApe Constraint Language)は、RDFグラフのためのW3C標準化された制約言語である。
本稿では,更新中のRDFグラフにおけるSHACL検証について検討する。
本稿では,RAFグラフの直感的かつ現実的な修正を捉えることができるSHACLベースの更新言語を提案する。
この問題は、与えられた更新シーケンスを適用した後も、SHACL仕様を検証するすべてのグラフがまだそうするかどうかを検証するように要求する。
さらに重要なのは、RDFグラフの進化に関する推論のための、さらなるサービスの基盤を提供することだ。
本研究では,更新動作をSHACLの制約に埋め込む回帰手法を用いて,SHACLの制約を(マイナーな拡張として)適用することで,更新時の静的検証を(不)適合性に還元できることを示す。
我々は,SHACLの静的検証問題といくつかの重要なフラグメントの計算複雑性を解析する。
最後に,SHACL制約に対する静的検証や他の静的解析タスクを実行し,その動作を予備実験により実証するプロトタイプ実装を提案する。
関連論文リスト
- RePaCA: Leveraging Reasoning Large Language Models for Static Automated Patch Correctness Assessment [0.0]
本稿では,Large Language Models (LLM) を利用した新しい静的APCA手法であるRePaCAを紹介する。
提案手法は,83.1%の精度と84.8%のF1スコアで最先端の性能を実現する。
論文 参考訳(メタデータ) (2025-07-30T11:21:09Z) - xpSHACL: Explainable SHACL Validation using Retrieval-Augmented Generation and Large Language Models [0.0]
Shapes Constraint Language (SHACL)はRDFデータを検証するための強力な言語である。
本稿では,説明可能なSHACL検証システムであるXPSHACLについて述べる。
ルールベースの正当化木と検索強化世代(RAG)と大規模言語モデル(LLM)を組み合わせて、制約違反の詳細な多言語説明を生成する。
論文 参考訳(メタデータ) (2025-07-11T09:18:41Z) - Bayesian scaling laws for in-context learning [72.17734205418502]
In-context Learning(ICL)は、言語モデルをトレーニング更新なしで複雑なタスクを実行するための強力なテクニックである。
我々は、ICCがベイズ学習者を近似し、ICCのための新しいベイズスケーリング法則のファミリーを開発することを示す。
論文 参考訳(メタデータ) (2024-10-21T21:45:22Z) - SHACL2FOL: An FOL Toolkit for SHACL Decision Problems [0.4895118383237099]
我々は、SHACL文書をFOL文に変換する最初の自動ツールであるSHACL2FOLを紹介する。
このツールは、満足度と包含性の2つの静的解析問題に対する解を計算する。
また、一連の制約に関してグラフの有効性をテストすることもできる。
論文 参考訳(メタデータ) (2024-06-12T09:20:25Z) - Do LVLMs Understand Charts? Analyzing and Correcting Factual Errors in Chart Captioning [90.13978453378768]
生成したチャートキャプションに事実誤りを包括的に分類する。
大規模な人間のアノテーションの取り組みは、様々なチャートキャプションモデルによって作られたキャプションのエラーパターンと頻度に関する洞察を提供する。
分析の結果,GPT-4Vを含む最先端モデルでさえ,事実不正確なキャプションを頻繁に生成していることが判明した。
論文 参考訳(メタデータ) (2023-12-15T19:16:21Z) - SaFormer: A Conditional Sequence Modeling Approach to Offline Safe
Reinforcement Learning [64.33956692265419]
オフラインセーフなRLは、現実世界のアプリケーションにエージェントをデプロイする上で、非常に実用的な関連性を持っています。
そこで我々は,SaFormerと呼ばれる新しいオフラインセーフなRLアプローチを提案する。
論文 参考訳(メタデータ) (2023-01-28T13:57:01Z) - FIRE: A Failure-Adaptive Reinforcement Learning Framework for Edge Computing Migrations [52.85536740465277]
FIREは、エッジコンピューティングのディジタルツイン環境でRLポリシーをトレーニングすることで、まれなイベントに適応するフレームワークである。
ImREは重要なサンプリングに基づくQ-ラーニングアルゴリズムであり、希少事象をその値関数への影響に比例してサンプリングする。
FIREは故障時にバニラRLやグリーディベースラインと比較してコストを削減できることを示す。
論文 参考訳(メタデータ) (2022-09-28T19:49:39Z) - CAFA: Class-Aware Feature Alignment for Test-Time Adaptation [50.26963784271912]
テスト時間適応(TTA)は、テスト時にラベルのないデータにモデルを適応させることによって、この問題に対処することを目的としている。
本稿では,クラス認識特徴アライメント(CAFA, Class-Aware Feature Alignment)と呼ばれる単純な機能アライメント損失を提案する。
論文 参考訳(メタデータ) (2022-06-01T03:02:07Z) - A Review of SHACL: From Data Validation to Schema Reasoning for RDF
Graphs [3.274290296343038]
本稿では,RDFデータ検証のためのW3Cレコメンデーション言語であるShapes Constraint Language (SHACL)の紹介とレビューを行う。
SHACL文書はRDFノード上の一連の制約を記述しており、ノードがこれらの制約を満たす場合、グラフは文書に対して有効である。
論文 参考訳(メタデータ) (2021-12-02T17:28:45Z) - Auditing AI models for Verified Deployment under Semantic Specifications [65.12401653917838]
AuditAIは、解釈可能な形式検証とスケーラビリティのギャップを埋める。
AuditAIは、画素空間の摂動のみを用いた検証の限界に対処しながら、検証と認定トレーニングのための制御されたバリエーションを得られるかを示す。
論文 参考訳(メタデータ) (2021-09-25T22:53:24Z) - SHACL Satisfiability and Containment (Extended Paper) [6.308539010172308]
Shapes Constraint Language (SHACL)は、RDFデータを検証するための最近のW3C勧告言語である。
本稿では、SCLと呼ばれる新しい一階述語言語への翻訳を提供することにより、再帰的でないSHACLの異なる特徴を徹底的に研究する。
この論理学におけるSHACLの特徴の相互作用について検討し、上記のSHACLサブ言語に対する決定問題の決定可能性と複雑性の詳細なマップを提供する。
論文 参考訳(メタデータ) (2020-08-31T14:52:03Z)
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。