論文の概要: Implementing Knowledge Representation and Reasoning with Object Oriented Design

• arxiv url: http://arxiv.org/abs/2601.14840v1
• Date: Wed, 21 Jan 2026 10:14:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-22 21:27:50.325638
• Title: Implementing Knowledge Representation and Reasoning with Object Oriented Design
• Title（参考訳）: オブジェクト指向設計による知識表現と推論の実装
• Authors: Abdelrhman Bassiouny, Tom Schierenbeck, Sorin Arion, Benjamin Alt, Naren Vasantakumaar, Giang Nguyen, Michael Beetz,
• Abstract要約: 本稿では,ソフトウェアと知識表現・推論システムの統合ギャップを埋めるフレームワークであるKRROODを紹介する。 OWL2Benchベンチマークとヒューマンロボットタスク学習シナリオを用いて,本システムの評価を行った。
• 参考スコア（独自算出の注目度）: 4.7682280618744235
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces KRROOD, a framework designed to bridge the integration gap between modern software engineering and Knowledge Representation & Reasoning (KR&R) systems. While Object-Oriented Programming (OOP) is the standard for developing complex applications, existing KR&R frameworks often rely on external ontologies and specialized languages that are difficult to integrate with imperative code. KRROOD addresses this by treating knowledge as a first-class programming abstraction using native class structures, bridging the gap between the logic programming and OOP paradigms. We evaluate the system on the OWL2Bench benchmark and a human-robot task learning scenario. Experimental results show that KRROOD achieves strong performance while supporting the expressive reasoning required for real-world autonomous systems.
• Abstract（参考訳）: 本稿では,現代ソフトウェア工学と知識表現・推論(KR&R)システムの統合ギャップを埋めるフレームワークであるKRROODを紹介する。 オブジェクト指向プログラミング(OOP)は複雑なアプリケーションを開発するための標準ですが、既存のKR&Rフレームワークはしばしば、命令型コードとの統合が難しい外部オントロジーや特殊な言語に依存しています。 KRROODは、知識をネイティブクラス構造を使って一級プログラミング抽象化として扱い、ロジックプログラミングとOOPパラダイムのギャップを埋めることによって、この問題に対処します。 OWL2Benchベンチマークとヒューマンロボットタスク学習シナリオを用いて,本システムの評価を行った。 実験結果から,KRROODは実世界の自律システムに必要な表現的推論をサポートしながら,高い性能を発揮することが示された。

関連論文リスト

• Systematically Thinking about the Complexity of Code Structuring Exercises at Introductory Level [1.2207782754338876]
  コード構造化タスクの複雑さを評価するためのフレームワークを紹介します。 学生は、既存の非構造化コードの中で意味のある抽象化を特定し、分離する必要がある。 このフレームワークは、DAで生徒のスキルを構築する教育タスクの開発を支援するように設計されている。
  論文  参考訳（メタデータ） (2025-12-05T21:57:33Z)
• High-level reasoning while low-level actuation in Cyber-Physical Systems: How efficient is it? [6.40412293456886]
  この研究は、C++、Java、Jade、Jason、そしてファジィなJason BDIと緩やかに結合された統合を比較します。 この研究は、エンジニアリングのワークロードと実行効率の具体的なトレードオフを強調している。 本研究は,産業情報化におけるソフトウェア技術選択のためのエビデンスに基づくガイダンスに貢献する。
  論文  参考訳（メタデータ） (2025-11-16T10:37:37Z)
• Fundamentals of Building Autonomous LLM Agents [64.39018305018904]
  本稿では,大規模言語モデル(LLM)を用いたエージェントのアーキテクチャと実装手法について概説する。 この研究は、複雑なタスクを自動化し、人間の能力でパフォーマンスのギャップを埋めることのできる「アジェンティック」なLLMを開発するためのパターンを探求することを目的としている。
  論文  参考訳（メタデータ） (2025-10-10T10:32:39Z)
• Using LLMs and Essence to Support Software Practice Adoption [0.3609538870261841]
  本研究では,ソフトウェアエンジニアリングプラクティスを管理するための標準および思考フレームワークであるEssenceと,大規模言語モデル(LLM)の統合について検討する。 提案システムは、ドメイン固有のタスクにおいて、ベースラインよりも一貫して優れている。
  論文  参考訳（メタデータ） (2025-08-22T14:59:35Z)
• KERAIA: An Adaptive and Explainable Framework for Dynamic Knowledge Representation and Reasoning [46.85451489222176]
  KERAIAはシンボリックナレッジエンジニアリングのための新しいフレームワークとソフトウェアプラットフォームである。 動的で複雑でコンテキストに敏感な環境で知識を表現、推論、実行するという永続的な課題に対処する。
  論文  参考訳（メタデータ） (2025-05-07T10:56:05Z)
• A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
  推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。 大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。 我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
  論文  参考訳（メタデータ） (2025-04-12T01:27:49Z)
• Conversation Routines: A Prompt Engineering Framework for Task-Oriented Dialog Systems [0.21756081703275998]
  本研究では,Large Language Models (LLMs) を用いたタスク指向対話システムの開発のための,構造化されたプロンプトエンジニアリングフレームワークである Conversation Routines (CR) を紹介する。 提案したCRフレームワークは,自然言語仕様による会話エージェントシステム(CAS)の開発を可能にする。 このフレームワークの有効性を,Train Booking SystemとInteractive Ticket Copilotという2つの概念実証実装を通じて実証する。
  論文  参考訳（メタデータ） (2025-01-20T17:19:02Z)
• Multi-step Inference over Unstructured Data [2.169874047093392]
  医療、法律、金融などの分野における高い意思決定タスクは、精度、包括性、論理的一貫性のレベルを必要とする。 これらの問題に対処するための,ニューロシンボリックAIプラットフォームを開発した。 このプラットフォームは、知識抽出とアライメントのための微調整LDMと、堅牢なシンボリック推論エンジンを統合している。
  論文  参考訳（メタデータ） (2024-06-26T00:00:45Z)
• When Do Program-of-Thoughts Work for Reasoning? [51.2699797837818]
  本稿では,コードと推論能力の相関性を測定するために,複雑性に富んだ推論スコア(CIRS)を提案する。 具体的には、抽象構文木を用いて構造情報をエンコードし、論理的複雑性を計算する。 コードはhttps://github.com/zjunlp/EasyInstructのEasyInstructフレームワークに統合される。
  論文  参考訳（メタデータ） (2023-08-29T17:22:39Z)
• Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
  機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。 私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。 当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
  論文  参考訳（メタデータ） (2021-01-11T15:54:48Z)
• The ILASP system for Inductive Learning of Answer Set Programs [79.41112438865386]
  我々のシステムは、通常の規則、選択規則、厳しい制約を含むアンサーセットプログラムを学習する。 まず、ILASPの学習フレームワークとその機能の概要を説明します。 続いて、ILASPシステムの進化を概観する。
  論文  参考訳（メタデータ） (2020-05-02T19:04:12Z)

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。