Fugu-MT 論文翻訳(概要): ABox Abduction for Inconsistent Knowledge Bases under Repair Semantics

論文の概要: ABox Abduction for Inconsistent Knowledge Bases under Repair Semantics

arxiv url: http://arxiv.org/abs/2605.01341v1
Date: Sat, 02 May 2026 09:25:08 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-05 20:33:49.716767
Title: ABox Abduction for Inconsistent Knowledge Bases under Repair Semantics
Title（参考訳）: 修復セマンティックスにおける一貫性のない知識ベースのためのABoxアブダクション
Abstract要約: ABoxの誘拐問題は、知識ベース(KB)の拡張の可能性を求めるものである。この問題には、診断から説明可能性、修復に至るまで、多くの応用がある。本設定では, 退行の適切な概念を定義し, 退行を「有効」な仮説に導く基準を提案する。
参考スコア（独自算出の注目度）: 6.124773188525718
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Given a knowledge base (KB) with a non-entailed fact, the ABox abduction problem asks for possible extensions of the KB that would entail this fact. This problem has many applications, ranging from diagnosis to explainability and repair. ABox abduction has been well-investigated for consistent KBs and classical semantics, but little is known for the case of inconsistent KBs, which can be caused by erroneous data. In this paper we define suitable notions of abduction in this setting and propose criteria that guide abduction towards "useful" hypotheses. To regain meaningful reasoning in the presence of inconsistencies, we use well-established repair semantics. We provide a comprehensive landscape of the complexity of ABox abduction under repair semantics, treating different variants of the abduction problem for the light-weight description logics DL-Lite and EL_bot.
Abstract（参考訳）: 非詳細な事実を持つ知識ベース(KB)が与えられた場合、ABoxの誘拐問題は、この事実を複雑にするKBの拡張を要求される。この問題には、診断から説明可能性、修復に至るまで、多くの応用がある。 ABox abductionは一貫性のあるKBと古典的な意味論のためによく研究されてきたが、誤ったデータによって引き起こされる不整合KBの場合はほとんど知られていない。本稿では, 退行の適切な概念を定義し, 退行を「有用」な仮説に導く基準を提案する。不整合の存在下で有意義な推論を取り戻すために、確立された補修意味論を用いる。補修セマンティクス下でのABox推論の複雑さを包括的に把握し,軽量記述論理のDL-LiteとEL_botの異なる変種を取り扱う。

関連論文リスト

Knowing When to Quit: Diagnosing and Training LLMs to Abort Futile Reasoning [109.33717747526583]
大規模言語モデルは、計算コストが高くても意味論的に無効な推論を、能力を超えたタスクで生成する。 textbfCaRL(textbfCapability-textbfaligned textbfReinforcement textbfL)を導入し、振る舞いを機能境界に合わせる。実験は、タスクの難易度を超えて性能を保ちながら、無駄な推論を大幅に削減することを示した。
論文参考訳（メタデータ） (2026-07-31T09:30:33Z)
Repair Before Veto: Repair-Augmented Constraint Learning for Contextual Decisions [6.016090674751934]
我々は、既知の修理作業者をセマンティクスに引き上げる文脈決定フレームワークである修復制約学習(RACL)を導入する。候補者は、手頃な修理が十分に実現可能で好まれる場合に受け入れられる。そうでなければ、システムは構造化された拒絶債権を返却し、適用すれば、修理計画を立てる。制御されたDB1B由来のベンチマークで、RACLは意図した信用と修復構造を回復する。
論文参考訳（メタデータ） (2026-06-01T14:38:04Z)
Distinguishable Deletion: Unifying Knowledge Erasure and Refusal for Large Language Model Unlearning [58.725080160369494]
Distinguishable Deletion (mathrmD2$)は、特定のトークンではなく、潜在表現の応答分布を制限するパラダイムである。本稿では,知識の存在と未学習コンテンツと保持コンテンツとの分離を定量化するエネルギー指標を提案する。実験の結果、EUAは以前の方法よりも大幅に優れており、$mathrmD2$の優位性を示している。
論文参考訳（メタデータ） (2026-05-16T03:15:35Z)
Why Thinking Hurts? Diagnosing and Rectifying the Reasoning Shift in Foundation Recommender Models [44.74420486421283]
トレーニング不要な推論時間部分空間アライメントフレームワークを提案する。推論チェインを圧縮し、バイアス抽出されたコントラストデコーディングを適用することにより、本手法は非基底的テキストドリフトを緩和する。実験では、この推論を効果的に校正し、基礎モデルでは、ID基底精度を犠牲にすることなく推論を活用できる。
論文参考訳（メタデータ） (2026-02-18T16:38:21Z)
Understanding the Logic of Direct Preference Alignment through Logic [54.272600416107146]
本稿では,単一モデルと参照モデルに基づくアプローチの選好損失を特徴付ける新しいフォーマリズムを提案する。そこで我々は,この嗜好学習の形式的視点が,DPA損失景観の大きさと構造の両方に新たな光を当てていることを示す。
論文参考訳（メタデータ） (2024-12-23T16:23:13Z)
From Chaos to Clarity: Claim Normalization to Empower Fact-Checking [57.024192702939736]
Claim Normalization(別名 ClaimNorm)は、複雑でノイズの多いソーシャルメディア投稿を、より単純で分かりやすい形式に分解することを目的としている。本稿では,チェーン・オブ・ソートとクレーム・チェック・バシネス推定を利用した先駆的アプローチであるCACNを提案する。実験により, CACNは様々な評価尺度において, いくつかの基準値を上回る性能を示した。
論文参考訳（メタデータ） (2023-10-22T16:07:06Z)
Exploiting Uncertainty for Querying Inconsistent Description Logics Knowledge Bases [0.3277163122167433]
我々は、この問題を解決するために、disPONTEと呼ばれる既存の確率論的意味論を利用する。提案手法をTRILLとBUNDLEに実装し,提案手法の有効性を実証的に検証した。
論文参考訳（メタデータ） (2023-06-15T13:50:46Z)
Connection-minimal Abduction in EL via Translation to FOL -- Technical Report [12.90382979353427]
本稿では,接続最小仮説のクラスを音速で完全な方法で計算する方法を示す。本手法は一階述語論理への翻訳に基づいて,素数含意に基づく仮説を構築する。
論文参考訳（メタデータ） (2022-05-17T15:50:27Z)
Robustness and Accuracy Could Be Reconcilable by (Proper) Definition [109.62614226793833]
強靭性と精度のトレードオフは、敵文学において広く研究されている。局所的不変性の帰納的バイアスを課す不適切に定義された頑健な誤差に由来する可能性がある。定義上、SCOREは、最悪のケースの不確実性に対処しながら、堅牢性と正確性の間の和解を促進する。
論文参考訳（メタデータ） (2022-02-21T10:36:09Z)
Signature-Based Abduction with Fresh Individuals and Complex Concepts for Description Logics (Extended Version) [12.107259467873092]
ABox abductionは、知識ベースに追加されると、観察を精査するのに十分な仮説を計算することを目的としている。シグネチャベースのaboxアブダクションでは、仮説は与えられた集合からの名前のみを使用する必要がある。特定の観察のための仮説は、与えられた署名から構築された新鮮な個人および/または複雑な概念の使用を認めた場合にのみ存在する可能性があります。
論文参考訳（メタデータ） (2021-05-01T14:55:46Z)
Faithful Embeddings for Knowledge Base Queries [97.5904298152163]
理想的知識ベース(KB)の帰納的閉包は、KBが答えられる論理的クエリを正確に含んでいる。実際にはKBは不完全かつ過剰な仕様であり、現実の答えを持つクエリには答えられない。この新たなQEモジュールをニューラルな質問応答システムに挿入すると、最先端技術よりも大幅に改善されることを示す。
論文参考訳（メタデータ） (2020-04-07T19:25:16Z)
Correcting Knowledge Base Assertions [26.420502742339053]
知識ベース(KB)の有用性とユーザビリティは、品質の問題によって制限されることが多い。よくある問題は誤った主張の存在であり、しばしば語彙的あるいは意味的な混乱によって引き起こされる。このようなアサーションを補正する問題について検討し、語彙マッチング、セマンティック埋め込み、ソフト制約マイニング、セマンティック一貫性チェックを組み合わせた一般的な補正フレームワークを提案する。
論文参考訳（メタデータ） (2020-01-19T23:03:47Z)

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。