論文の概要: TIO-SHACL: Comprehensive SHACL validation for TMF Intent Ontologies
- arxiv url: http://arxiv.org/abs/2604.27359v1
- Date: Thu, 30 Apr 2026 03:16:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:53.898126
- Title: TIO-SHACL: Comprehensive SHACL validation for TMF Intent Ontologies
- Title（参考訳）: TIO-SHACL:TMFインテントオントロジーの総合的SHACL検証
- Authors: Jean Martins, Leonid Mokrushin, Marin Orlic,
- Abstract要約: TM Forum Intent Ontology (tio)は、ネットワーク意図を表現するための標準化された語彙を提供する。
TMF Intent Ontologyのための総合的なSHACL(Shapes Constraint Language)検証フレームワークであるtio-shaclを提案する。
- 参考スコア（独自算出の注目度）: 0.22940141855172036
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Intent-based networking promises to revolutionize telecommunications network management by enabling operators to specify high-level goals rather than low-level configurations. The TM Forum Intent Ontology (tio) provides a standardized vocabulary for expressing network intents, yet lacks formal validation mechanisms to ensure intent correctness before its admission. We present tio-shacl, the first comprehensive SHACL (Shapes Constraint Language) validation framework for the TMF Intent Ontology. Our contribution includes 56 node shapes and 69 property shapes across all 15 tio v3.6.0 ontology modules, a reusable constraint library with 25 parameterized SPARQL-based constraint components, and novel validation patterns for recursive logical operators, quantity-based constraints, and cross-expectation relationships. We pursued 100% vocabulary coverage (87 classes, 109 properties, 72 functions), cross-implementation compatibility across three major SHACL engines, and validation accuracy on a corpus of 133 test cases. tio-shacl is publicly available under MIT license at https://github.com/EricssonResearch/tio-shacl and enables automated syntactic and semantic validation of network intents, addressing a critical gap in the field.
- Abstract（参考訳）: インテントベースのネットワークは、オペレーターが低レベル構成よりも高レベルな目標を指定できるようにすることで、通信ネットワーク管理に革命をもたらす。
TM Forum Intent Ontology (tio)は、ネットワーク意図を表現するための標準化された語彙を提供するが、入場前に意図の正しさを保証するための正式な検証メカニズムは欠如している。
TMF Intent Ontologyのための総合的なSHACL(Shapes Constraint Language)検証フレームワークであるtio-shaclを提案する。
コントリビューションには、15のtio v3.6.0オントロジーモジュール全体にわたる56のノード形状と69のプロパティ形状、25のパラメータ化SPARQLベースの制約コンポーネントを備えた再利用可能な制約ライブラリ、再帰論理演算子、量ベースの制約、クロスエクスプロイト関係のための新しい検証パターンが含まれている。
100%語彙範囲(87のクラス、109のプロパティ、72の関数)、SHACLエンジン3基のクロス実装互換性、133のテストケースのコーパスでの検証精度を追求した。
tio-shaclはMITライセンスでhttps://github.com/EricssonResearch/tio-shaclで公開されており、ネットワークインテントの自動構文検証とセマンティック検証を可能にし、この分野における重要なギャップに対処する。
関連論文リスト
- WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。
WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。
NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
論文 参考訳（メタデータ） (2026-04-20T01:29:56Z) - Verify Before You Fix: Agentic Execution Grounding for Trustworthy Cross-Language Code Analysis [0.0]
ソフトウェア脆弱性分析のための言語横断的な脆弱性ライフサイクルフレームワークを構築します。
89.84-92.02%の言語内検出精度,74.43-80.12%のゼロショット言語F1。
これらの結果は,LLM駆動型エージェントAIのための原理的かつ実用的に展開可能なメカニズムであることを示す。
論文 参考訳（メタデータ） (2026-04-12T20:22:23Z) - Validated Intent Compilation for Constrained Routing in LEO Mega-Constellations [1.0152838128195467]
本稿では,高レベルな演算子の意図を低レベルなルーティング制約に変換するエンドツーエンドシステムを提案する。
我々のシステムは,運用運用に必要な安全保証を維持しつつ,オペレータ意図とネットワーク構成のセマンティックなギャップを埋める。
論文 参考訳（メタデータ） (2026-04-08T16:29:25Z) - CCTU: A Benchmark for Tool Use under Complex Constraints [66.87622847854337]
複雑な制約下での大規模言語モデル(LLM)を評価するためのベンチマークであるCCTUを紹介する。
ベンチマークは、さまざまなツール使用シナリオに対して、慎重にキュレートされ、挑戦的なテストケースが200から成っている。
ステップレベルの検証を行い、コンプライアンスを強制する実行可能な制約検証モジュールを開発する。
論文 参考訳（メタデータ） (2026-03-16T14:05:13Z) - TorchLean: Formalizing Neural Networks in Lean [71.68907600404513]
本稿では,学習モデルを一級数学的対象として扱うフレームワークであるTorchLeanを紹介する。
我々はTorchLeanのエンドツーエンドを、証明された堅牢性、PINNの物理インフォームド残差、Lyapunovスタイルのニューラルコントローラ検証で検証する。
論文 参考訳（メタデータ） (2026-02-26T05:11:44Z) - Structured Cognitive Loop for Behavioral Intelligence in Large Language Model Agents [0.0]
既存のフレームワークは認知、記憶、制御をひとつのプロンプトで混ぜることが多く、一貫性と予測可能性を減らす。
構造化認知ループ (Structured Cognitive Loop, SCL) は、これらの機能を分離する代替アーキテクチャとして提案されている。
SCLの平均タスク成功率は86.3%であり、ベースラインは70.5から76.8%である。
論文 参考訳（メタデータ） (2025-09-23T17:43:17Z) - SHACL Validation in the Presence of Ontologies: Semantics and Rewriting Techniques [6.882042556551609]
SHACLは、データを完全として扱う制約言語であり、クローズドワールドの仮定の下で検証する必要がある。
我々は、主要なコアユニバーサルモデルの存在下で、SHACL検証のセマンティクスを提唱する。
非常に単純な機能であっても、EXPTIMEは完全であり、PTIMEはデータ複雑性において完全であることを示す。
論文 参考訳（メタデータ） (2025-07-16T14:38:27Z) - Telling Left from Right: Identifying Geometry-Aware Semantic Correspondence [80.6840060272386]
本稿では,意味的対応のための幾何学的認識の重要性を明らかにする。
この情報を活用することで,意味的対応性能が著しく向上することを示す。
提案手法は,SPair-71kデータセット上で,65.4(ゼロショット)と85.6(教師)のPCK@0.10スコアを達成する。
論文 参考訳（メタデータ） (2023-11-28T18:45:13Z) - Expanding the Vocabulary of BERT for Knowledge Base Construction [6.412048788884728]
国際セマンティックウェブ会議2023で「事前学習言語モデルによる知識ベース構築」の課題が開催された。
私たちの焦点は、パラメータを最大10億に制限する課題のトラック1にありました。
本稿では,知識ベース構築のための語彙拡張BERTを提案する。
論文 参考訳（メタデータ） (2023-10-12T12:52:46Z) - Text Classification via Large Language Models [63.1874290788797]
テキスト分類に関わる複雑な言語現象に対処するために、Clue And Reasoning Prompting (CARP)を導入する。
注目すべきは、CARPが5つの広く使用されているテキスト分類ベンチマークのうち4つで新しいSOTAパフォーマンスを得ることだ。
さらに重要なのは、CARPが低リソースとドメイン適応のセットアップで素晴らしい能力を提供します。
論文 参考訳（メタデータ） (2023-05-15T06:24:45Z) - Contextualized Spatio-Temporal Contrastive Learning with
Self-Supervision [106.77639982059014]
時間的にきめ細かな表現を効果的に学習するためのConST-CLフレームワークを提案する。
まず、コンテキスト特徴によって導かれるインスタンス表現をあるビューから別のビューに変換することを学習するモデルを必要とする地域ベースの自己教師型タスクを設計する。
次に、全体的および局所的な表現の同時学習を効果的に調整するシンプルな設計を導入する。
論文 参考訳（メタデータ） (2021-12-09T19:13:41Z)
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。