論文の概要: Scalable Uncertainty Reasoning in Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2605.16568v1
• Date: Fri, 15 May 2026 19:16:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:46.704041
• Title: Scalable Uncertainty Reasoning in Knowledge Graphs
• Title（参考訳）: 知識グラフにおけるスケーラブルな不確実性推論
• Authors: Jingcheng Wu,
• Abstract要約: 知識グラフはセマンティックデータ統合にとって重要なものだ。 不確実性は、不正確な属性値、確率的三つの存在、不完全なスキーマ知識の3つの異なるレベルに現れる。 私は、調整されたテクニックによって各レベルに対処するモジュラーフレームワークの開発を目標としています。
• 参考スコア（独自算出の注目度）: 2.402069202602609
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge Graphs are pivotal for semantic data integration. The real-world data they model is often inherently uncertain. Within knowledge graphs, uncertainty manifests in three distinct levels: imprecise attribute values, probabilistic triple existence, and incomplete schema knowledge. However, current Semantic Web standards lack native support for reasoning over such uncertainty, and naïve extensions often incur computational intractability. In this thesis, I aim to develop a modular framework that addresses each level through tailored techniques: (1) defining probabilistic literals and a corresponding query algebra for continuous attributes; (2) a compilation-based framework transforming SPARQL provenance into tractable probabilistic circuits for uncertain triples; and (3) topology-aware geometric embeddings for statistical schema reasoning. The central hypothesis is that specialized reasoning mechanisms, namely algebraic, logical, and geometric approaches, can reconcile semantic precision with computational tractability.
• Abstract（参考訳）: 知識グラフはセマンティックデータ統合にとって重要なものだ。 彼らがモデル化する現実世界のデータはしばしば本質的に不確実である。 知識グラフ内の不確実性は、不正確な属性値、確率的三重存在、不完全なスキーマ知識の3つの異なるレベルに現れる。 しかし、現在のセマンティックウェブ標準はそのような不確実性に対する推論をネイティブにサポートしていない。 本稿では,(1)確率的リテラルとそれに対応する連続属性のクエリ代数を定義すること,(2)SPARQLの証明を不確実な三重項に対して抽出可能な確率回路に変換するコンパイルベースのフレームワーク,(3)統計的スキーマ推論のためのトポロジ対応幾何埋め込みなど,各レベルに対処するモジュラーフレームワークを開発することを目的とする。 中心的な仮説は、代数的、論理的、幾何学的アプローチという特別な推論機構は、意味的精度を計算的トラクタビリティと整合することができるというものである。

関連論文リスト

• State Algebra for Probabilistic Logic [0.0]
  本稿では,確率的状態代数を決定論的命題論理の拡張として提示する。 エネルギーポテンシャルとして解釈された実数値座標に論理状態をマッピングすることにより、エネルギーベースモデルを定義する。 この代数は形式的なギブス分布を構成し、記号的制約と統計的推論の間の厳密な数学的リンクを提供する。
  論文  参考訳（メタデータ） (2026-03-13T20:28:45Z)
• $γ(3,4)$ `Attention' in Cognitive Agents: Ontology-Free Knowledge Representations With Promise Theoretic Semantics [0.0]
  セマンティック・ダイナミックス・オブ・アテンション」は、自律エージェントのために開発された約束理論の概念と密接に関連している。 ベクトル化された機械学習と知識グラフの表現の間にブリッジを確立することができる。
  論文  参考訳（メタデータ） (2025-12-22T06:48:53Z)
• Probabilistic Graphical Models: A Concise Tutorial [67.95025153592505]
  確率的グラフィカルモデリングは、確率分布を用いて世界を記述する機械学習の分野である。 このチュートリアルは、このモデリングフレームワークのフォーマリズム、メソッド、および応用に関する簡潔な紹介を提供する。
  論文  参考訳（メタデータ） (2025-07-23T01:36:44Z)
• stl2vec: Semantic and Interpretable Vector Representation of Temporal Logic [0.5956301166481089]
  論理式を意味的に基底としたベクトル表現(機能埋め込み)を提案する。 我々はいくつかの望ましい性質を持つ公式の連続的な埋め込みを計算する。 本稿では,学習モデル検査とニューロシンボリック・フレームワークの2つの課題において,アプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2024-05-23T10:04:56Z)
• 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)
• Logical Credal Networks [87.25387518070411]
  本稿では,論理と確率を組み合わせた先行モデルの多くを一般化した表現的確率論的論理である論理的クレダルネットワークを紹介する。 本稿では,不確実性のあるマスターミンドゲームを解くこと,クレジットカード詐欺を検出することを含む,最大後部推論タスクの性能について検討する。
  論文  参考訳（メタデータ） (2021-09-25T00:00:47Z)
• Probabilistic Box Embeddings for Uncertain Knowledge Graph Reasoning [36.34170367603253]
  キャリブレーションされた確率的セマンティクスを用いた未知の知識グラフ埋め込み手法であるBEUrREを提案する。 2つのベンチマークデータセットの実験は、BEUrREが信頼性予測と事実ランキングのベースラインを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2021-04-09T21:01:52Z)
• Don't Just Blame Over-parametrization for Over-confidence: Theoretical Analysis of Calibration in Binary Classification [58.03725169462616]
  理論上は、過剰パラメトリゼーションは過剰信頼の唯一の理由ではない。 我々は、ロジスティック回帰は本質的に信頼過剰であり、実現可能で、非パラメータな設定であることを示す。 おそらく驚くことに、過剰な信頼が常にそうであるとは限らないことも示します。
  論文  参考訳（メタデータ） (2021-02-15T21:38:09Z)
• Paraconsistent Foundations for Probabilistic Reasoning, Programming and Concept Formation [0.0]
  4値のパラ一貫性真理値(ここでは「pビット」と呼ばれる)は、確率論的論理とプログラミングと概念形成の高度AI関連形式の概念的、数学的、実践的な基礎として機能する。 構成的双対(CD)論理に従って動作している4値のpビットの平均平均値と再正規化がPLN(Probabilistic Logic Networks)の強度と自信の真理値をもたらすことが示されている。
  論文  参考訳（メタデータ） (2020-12-28T20:14:49Z)
• Tractable Inference in Credal Sentential Decision Diagrams [116.6516175350871]
  確率感性決定図は、解離ゲートの入力が確率値によってアノテートされる論理回路である。 我々は、局所確率を質量関数のクレーダル集合に置き換えることができる確率の一般化である、クレーダル感性決定図を開発する。 まず,ノイズの多い7セグメント表示画像に基づく簡単なアプリケーションについて検討する。
  論文  参考訳（メタデータ） (2020-08-19T16:04:34Z)
• 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。