論文の概要: Denotational Semantics for ODRL: Knowledge-Based Constraint Conflict Detection
- arxiv url: http://arxiv.org/abs/2602.19883v1
- Date: Mon, 23 Feb 2026 14:28:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-24 17:42:02.850355
- Title: Denotational Semantics for ODRL: Knowledge-Based Constraint Conflict Detection
- Title（参考訳）: ODRLのための意味的意味論:知識に基づく制約競合検出
- Authors: Daham Mustafa, Diego Collarana, Yixin Peng, Rafiqul Haque, Christoph Lange-Bever, Christoph Quix, Stephan Decker,
- Abstract要約: 本稿では,ODRL制約を知識ベースの概念の集合にマッピングする意味論的意味論を提案する。
クロスデータ空間の相互運用性のために、私たちは知識ベース間の順序保存アライメントを定義します。
実行時の健全性定理は、設計時の検証がすべての実行コンテキストを保持することを保証します。
- 参考スコア（独自算出の注目度）: 1.061268230310221
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: ODRL's six set-based operators -- isA, isPartOf, hasPart, isAnyOf, isAllOf, isNoneOf -- depend on external domain knowledge that the W3C specification leaves unspecified. Without it, every cross-dataspace policy comparison defaults to Unknown. We present a denotational semantics that maps each ODRL constraint to the set of knowledge-base concepts satisfying it. Conflict detection reduces to denotation intersection under a three-valued verdict -- Conflict, Compatible, or Unknown -- that is sound under incomplete knowledge. The framework covers all three ODRL composition modes (and, or, xone) and all three semantic domains arising in practice: taxonomic (class subsumption), mereological (part-whole containment), and nominal (identity). For cross-dataspace interoperability, we define order-preserving alignments between knowledge bases and prove two guarantees: conflicts are preserved across different KB standards, and unmapped concepts degrade gracefully to Unknown -- never to false conflicts. A runtime soundness theorem ensures that design-time verdicts hold for all execution contexts. The encoding stays within the decidable EPR fragment of first-order logic. We validate it with 154 benchmarks across six knowledge base families (GeoNames, ISO 3166, W3C DPV, a GDPR-derived taxonomy, BCP 47, and ISO 639-3) and four structural KBs targeting adversarial edge cases. Both the Vampire theorem prover and the Z3 SMT solver agree on all 154 verdicts. A key finding is that exclusive composition (xone) requires strictly stronger KB axioms than conjunction or disjunction: open-world semantics blocks exclusivity even when positive evidence appears to satisfy exactly one branch.
- Abstract（参考訳）: ODRLの6つのセットベース演算子 -- isA, isPartOf, hasPart, isAllOf, isNoneOf -- は、W3C仕様が未定義のままであるという外部のドメイン知識に依存する。
それなしでは、すべてのデータ間ポリシー比較はデフォルトでUnknownになる。
本稿では,ODRL制約を知識ベースの概念の集合にマッピングする意味論的意味論を提案する。
衝突検出は、不完全な知識の下で聞こえる3つの評価された評定(矛盾、互換性、未知)の下で、意味の交わりに還元される。
このフレームワークは、3つのODRL合成モード(およびxone)と、実際に発生する3つの意味ドメイン(分類学(クラス置換)、メアロジカル(部分包摂)、名目的(アイデンティティ))全てをカバーする。
コンフリクトは異なるKB標準で保存され、アンマップされた概念は優雅に非未知のコンフリクトに分解され、決して偽のコンフリクトには適用されない。
実行時の健全性定理は、設計時の検証がすべての実行コンテキストを保持することを保証します。
エンコーディングは、一階述語論理の決定可能なEDPフラグメント内に留まる。
我々は,6つの知識ベースファミリー (GeoNames, ISO 3166, W3C DPV, GDPR由来の分類, BCP 47, ISO 639-3) の154のベンチマークと, 敵対的エッジケースを対象とした4つの構造KBを用いて検証した。
ヴァンパイアの定理証明器とZ3 SMT解決器は、全ての154の評定に一致する。
鍵となる発見は、排他的合成(xone)が結合や解離よりも強いKB公理を必要とすることである。
関連論文リスト
- CIRCUS: Circuit Consensus under Uncertainty via Stability Ensembles [1.3011345529764784]
そこで本研究では,CIRCUSが閾値ローバストな「コア」回路を生成できることを示す。
Gemma-2-2BとLlama-3.2-1Bでは、厳密なコンセンサス回路はコンストラクタの結合よりも40倍小さい。
我々はさらに,合意を確定したノードが非合意制御と一致しない場合に,アクティベーションパッチの因果関係を検証した。
論文 参考訳（メタデータ） (2026-02-28T07:44:04Z) - Axis Decomposition for ODRL: Resolving Dimensional Ambiguity in Policy Constraints through Interval Semantics [1.061268230310221]
ODRLの左約34のオペランドのうち5つは多次元の量を表す。
1つのスカラー制約は軸ごとに1つの解釈を認め、政策評価を非決定論的にする。
我々はODRLの左オペランドを値領域構造(スカラー,次元,概念値)で分類する。
論文 参考訳（メタデータ） (2026-02-23T14:24:46Z) - BEDA: Belief Estimation as Probabilistic Constraints for Performing Strategic Dialogue Acts [69.7477004390211]
我々は2つの中核的行為を形式化し、エージェントが生成する可能性のある確率的制約によってそれらを運用する。
我々は,このアイデアを,世界集合と信念推定のための信念推定器と,推論された信念と整合した発話を選択・実現する条件生成器とからなる枠組みであるBEDAでインスタンス化する。
論文 参考訳（メタデータ） (2025-12-31T14:26:55Z) - Non-Resolution Reasoning (NRR): A Computational Framework for Contextual Identity and Ambiguity Preservation [0.0]
現在の人工知能システムは、曖昧さを早期に解決する、基本的なアーキテクチャ上の限界を示す。
この早期のセマンティック崩壊は、標準的なニューラルネットワークに埋め込まれた古典的なアイデンティティの仮定に由来する。
あいまいさ保持を有効な推論モードとして扱う計算フレームワークであるNon-Resolution Reasoning (NRR)を提案する。
論文 参考訳（メタデータ） (2025-12-15T16:14:32Z) - BRIDGE: Building Representations In Domain Guided Program Verification [67.36686119518441]
BRIDGEは、検証をコード、仕様、証明の3つの相互接続ドメインに分解する。
提案手法は, 標準誤差フィードバック法よりも精度と効率を著しく向上することを示す。
論文 参考訳（メタデータ） (2025-11-26T06:39:19Z) - A Multi-dimensional Semantic Surprise Framework Based on Low-Entropy Semantic Manifolds for Fine-Grained Out-of-Distribution Detection [9.10958906714455]
我々は、コアタスクを新しいサンプルのセマンティックサプライズを定量化するものとして定式化する。
次に、サンプルの総サプライズを3つの相補的な次元(整合性、新規性、曖昧性)に分解する普遍的なプローブであるセマンティックサプライズベクトル(SSV)を導入する。
実験により、我々のフレームワークは、挑戦的な第三次タスクに対して新しい最先端(ソータ)を確立するだけでなく、その堅牢な表現は従来のバイナリベンチマーク上でもトップ結果が得られることが示された。
論文 参考訳（メタデータ） (2025-10-15T02:26:35Z) - CAR: Conceptualization-Augmented Reasoner for Zero-Shot Commonsense
Question Answering [56.592385613002584]
ゼロショットコモンセンス質問応答の課題に対処するために,概念化強化推論器(CAR)を提案する。
CARは、CommonSenseの知識を多くの高レベルなインスタンスに抽象化し、CommonSenseの知識ベースの範囲を拡大する。
CARは、既存のメソッドよりも、ゼロショットのコモンセンスシナリオに関する質問に答えることにより、より堅牢に一般化する。
論文 参考訳（メタデータ） (2023-05-24T08:21:31Z) - 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) - Supervised Semantic Similarity-based Conflict Detection Algorithm: S3CDA [0.8249694498830561]
本稿では,ソフトウェア要件の競合を自動的に検出する2相アルゴリズムであるS3CDAを紹介する。
提案手法はまず,意味的類似性を用いて競合する可能性のある要件ペアを同定する。
GPT-4o、Llama-3、Sonnet-3.5、Gemini-1.5といった一般的な大規模言語モデルと比較する。
論文 参考訳（メタデータ） (2022-06-28T01:48:12Z) - Simultaneous Semantic Alignment Network for Heterogeneous Domain
Adaptation [67.37606333193357]
本稿では,カテゴリ間の相関を同時に利用し,各カテゴリ毎のセントロイドを整列させるために,aSimultaneous Semantic Alignment Network (SSAN)を提案する。
対象の擬似ラベルを利用することで、各カテゴリの特徴表現を整列させるために、ロバストな三重項中心のアライメント機構を明示的に適用する。
テキスト・ツー・イメージ、画像・画像・テキスト・ツー・テキストにわたる様々なHDAタスクの実験は、最先端のHDA手法に対するSSANの優位性を検証することに成功した。
論文 参考訳（メタデータ） (2020-08-04T16:20:37Z) - BoxE: A Box Embedding Model for Knowledge Base Completion [53.57588201197374]
知識ベース補完(KBC)は、知識ベース(KB)に存在する情報を活用することにより、行方不明な事実を自動的に推測することを目的とする。
既存の埋め込みモデルは、以下の制限の少なくとも1つに該当する。
BoxEは、エンティティをポイントとして、関係をハイパー矩形(またはボックス)の集合として埋め込む
論文 参考訳（メタデータ） (2020-07-13T09:40:49Z)
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。