論文の概要: Tacit Knowledge Extraction via Logic Augmented Generation and Active Inference

• arxiv url: http://arxiv.org/abs/2605.07639v1
• Date: Fri, 08 May 2026 12:06:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:39.029953
• Title: Tacit Knowledge Extraction via Logic Augmented Generation and Active Inference
• Title（参考訳）: 論理拡張生成とアクティブ推論による暗黙的知識抽出
• Authors: Lorenzo Lamazzi, Aldo Gangemi, Alessio Giberti, Andrea Giovanni Nuzzolese, Vittorio Andrea Rocca, Mattia Torta, Francesco Poggi,
• Abstract要約: 本稿では,知識グラフ構築のための論理拡張生成と能動推論にインスパイアされたアプローチを組み合わせた,ニューロシンボリックなフレームワークを提案する。 その結果,提案手法は完全性とセマンティック・クオリティを改善し,産業領域におけるニューロシンボリック・ナレッジ・エンジニアリングを推し進めている。
• 参考スコア（独自算出の注目度）: 1.368117423972661
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tacit knowledge plays a central role in human expertise, yet it remains difficult to capture, formalize, and reuse in machine-interpretable form. This challenge is especially relevant in procedural domains, where successful execution depends not only on explicit instructions, but also on implicit assumptions, contextual constraints, embodied skills, and experience-based judgments rarely documented. As a result, current knowledge engineering pipelines struggle to transform tacit and process-centric knowledge into formally specified, machine-interpretable representations that can be queried, validated, reasoned over, and reused. In this paper, we introduce a neuro-symbolic framework that combines Logic-Augmented Generation and an Active-Inference-inspired approach for ontology-grounded Knowledge Graph construction. We evaluate the approach in a knowledge transfer case study in manufacturing, using assembly-like repair procedures from instructional videos as a reproducible proxy domain. Results show that the proposed solution improves completeness and semantic quality, advancing neuro-symbolic knowledge engineering for industrial domains.
• Abstract（参考訳）: 暗黙の知識は人間の専門知識において中心的な役割を果たすが、機械解釈可能な形で捕獲、形式化、再利用することは依然として困難である。 この課題は手続き的領域において特に重要であり、実行は明示的な指示だけでなく、暗黙的な仮定、文脈的制約、具体的スキル、経験に基づく判断がほとんど文書化されていない。 その結果、現在の知識エンジニアリングパイプラインは、暗黙的でプロセス中心の知識を、クエリ、検証、推論、再利用が可能な、公式に定義された機械解釈可能な表現に変換するのに苦労しています。 本稿では,オントロジーに基づく知識グラフ構築のための論理拡張生成とアクティブ推論に基づくアプローチを組み合わせた,ニューロシンボリックなフレームワークを提案する。 製造における知識伝達ケーススタディにおいて,再現可能なプロキシドメインとして,講義ビデオからの組み立てライクな修復手順を用いてアプローチを評価する。 その結果,提案手法は完全性とセマンティック・クオリティを改善し,産業領域におけるニューロシンボリック・ナレッジ・エンジニアリングを推し進めている。

関連論文リスト

• Short Version of VERIFAI2026 Paper -- Learning Infused Formal Reasoning: Contract Synthesis, Artefact Reuse and Semantic Foundations [0.0]
  本稿では,機械学習技術と形式検証を統合したLIFR(Learning-Infused Formal Reasoning)という研究ビジョンを概説する。 このフレームワークは、自然言語要求からの自動コントラクト合成、グラフマッチングと学習ベースの埋め込みを用いた検証アーティファクトのセマンティックリユース、および統一プログラミング理論(UTP)と制度理論に基づく数学的に基礎付けられたセマンティック基盤の3つの相補的な研究方向に焦点を当てている。
  論文  参考訳（メタデータ） (2026-04-14T13:58:14Z)
• Integrating Domain Knowledge into Process Discovery Using Large Language Models [3.7448613209842967]
  本稿では,自然言語で表現されたドメイン知識をプロセス発見パイプラインに組み込む対話型フレームワークを提案する。 このフレームワークは、LLM(Large Language Models)、ドメインエキスパート、バックエンドサービスのセット間のインタラクションを調整する。 我々の実証研究は、実際のイベントログに基づくケーススタディと、フレームワークのユーザビリティと有効性を評価するドメインエキスパートの関与を含む。
  論文  参考訳（メタデータ） (2025-10-08T15:59:11Z)
• 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)
• Knowledge Tagging System on Math Questions via LLMs with Flexible Demonstration Retriever [48.5585921817745]
  大きな言語モデル(LLM)は知識タグ付けタスクを自動化するために使われる。 算数問題における知識タグ付けタスクに対するゼロショットと少数ショットの結果の強い性能を示す。 強化学習に基づくデモレトリバーの提案により,異なるサイズのLLMの潜在能力を活用できた。
  論文  参考訳（メタデータ） (2024-06-19T23:30:01Z)
• Enhancing Court View Generation with Knowledge Injection and Guidance [43.32071790286732]
  裁判所ビュー生成(CVG)は、原告の主張と事実記述に基づいて裁判所ビューを生成することを目的としている。 PLMは自然言語生成の進歩を誇示しているが、CVGの複雑で知識集約的な領域への応用は、しばしば固有の制限を明らかにしている。 PLMを用いてCVGを活性化させる新しい手法であるKnowledge Injection and Guidance(KIG)を提案する。 訓練段階において,ドメイン知識を効率的に組み込むため,即時チューニングのための知識注入プロンプトエンコーダを導入し,計算オーバーヘッドを低減した。
  論文  参考訳（メタデータ） (2024-03-07T09:51:11Z)
• Extending Complex Logical Queries on Uncertain Knowledge Graphs [50.360531130930646]
  機械学習に基づく論理クエリ応答の研究は、大規模かつ不完全な知識グラフによる推論を可能にする。 我々は,大規模,不完全,不確実な知識グラフ上でのソフトクエリに応答するために,前方推論と後方校正の両方を組み込んだニューラルシンボリックアプローチを提案する。
  論文  参考訳（メタデータ） (2024-03-03T13:13:53Z)
• UNTER: A Unified Knowledge Interface for Enhancing Pre-trained Language Models [100.4659557650775]
  構造化知識と非構造化知識の両方を活用する統一的な視点を提供するために、統一知識インターフェイスUNTERを提案する。 どちらの形態の知識も注入され、UNTERは一連の知識駆動NLPタスクの継続的な改善を得る。
  論文  参考訳（メタデータ） (2023-05-02T17:33:28Z)
• Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
  本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。 常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。 我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
  論文  参考訳（メタデータ） (2020-09-28T10:28:40Z)
• Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
  本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。 具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
  論文  参考訳（メタデータ） (2020-03-09T15:04:07Z)

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。