論文の概要: BoxLitE: A Faithful Knowledge Base Embedding Based on Convex Optimization

• arxiv url: http://arxiv.org/abs/2605.23937v1
• Date: Mon, 27 Apr 2026 11:45:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 02:55:42.953859
• Title: BoxLitE: A Faithful Knowledge Base Embedding Based on Convex Optimization
• Title（参考訳）: BoxLitE: 凸最適化に基づく忠実な知識ベース埋め込み
• Authors: Bruno F. Lourenço, Hesham Morgan, Ana Ozaki, Aleksandar Pavlović, Emanuel Sallinger,
• Abstract要約: コンベックス最適化が可能なDL-Lite$mathcalH$のKB埋め込みモデルであるBoxLitEを紹介する。 満足できるDL-Lite$mathcalH$ KB に対して、弱い忠実なモデルである BoxLitE が組み込まれていることを示す。
• 参考スコア（独自算出の注目度）: 42.93601682502099
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge base (KB) embeddings aim at combining the capability of classical knowledge graph embeddings to generalize the information present in facts, the ABox, with conceptual knowledge represented in an ontology language, the TBox. Several authors have recently explored the idea of mapping concepts to convex regions in a vector space. This is useful to represent hierarchies, typically present in TBoxes, since more general concepts can be mapped to larger regions, containing those regions associated with more specific concepts. However, the power of convexity is rarely leveraged during the actual learning tasks. Here, we introduce BoxLitE, a KB embedding model for DL-Lite$^{\mathcal{H}}$ that allows for convex optimization. We show that for any satisfiable DL-Lite$^{\mathcal{H}}$ KB, there is a BoxLitE embedding that is a weakly faithful model. As a proof of concept, we show how to formulate the KB embedding task as a convex optimization problem and how to obtain embeddings with such desirable faithfulness properties.
• Abstract（参考訳）: 知識ベース(KB)埋め込みは、古典的な知識グラフ埋め込みの機能を組み合わせて、事実に存在する情報、ABoxとオントロジー言語、TBoxで表される概念的知識を一般化することを目的としている。 幾人かの著者が最近、ベクトル空間内の凸領域への写像の概念を探求した。 より一般的な概念はより特定の概念に関連付けられた領域を含むより広い領域にマッピングできるため、これはTBoxに通常存在する階層を表現するのに有用である。 しかし, 実際の学習作業において, 凸性の力が活用されることはめったにない。 ここでは、凸最適化を可能にするDL-Lite$^{\mathcal{H}}$のKB埋め込みモデルであるBoxLitEを紹介する。 満足できるDL-Lite$^{\mathcal{H}}$ KB に対して、弱い忠実なモデルである BoxLitE の埋め込みが存在することを示す。 概念実証として、KB埋め込みタスクを凸最適化問題として定式化する方法と、そのような望ましい忠実性を持つ埋め込みを得る方法を示す。

関連論文リスト

• Attribute-formed Class-specific Concept Space: Endowing Language Bottleneck Model with Better Interpretability and Scalability [54.420663939897686]
  本稿では,解釈可能な画像認識を実現するために,Attribute-formed Language Bottleneck Model (ALBM)を提案する。 ALBMは属性形式クラス固有の空間において概念を整理する。 解釈性をさらに向上するため,細粒度属性の視覚的特徴を抽出するVAPL(Visual Attribute Prompt Learning)を提案する。
  論文  参考訳（メタデータ） (2025-03-26T07:59:04Z)
• Sparse Concept Bottleneck Models: Gumbel Tricks in Contrastive Learning [86.15009879251386]
  概念ボトルネックモデル(CBM)を用いた新しいアーキテクチャと説明可能な分類法を提案する。 CBMには、さらなる概念のセットが必要である。 CLIPをベースとしたボトルネックモデルにおいて,スパース隠れ層を用いた精度の大幅な向上を示す。
  論文  参考訳（メタデータ） (2024-04-04T09:43:43Z)
• CLIP-QDA: An Explainable Concept Bottleneck Model [3.570403495760109]
  本稿では,高速かつ説明可能な画像分類を行うマルチモーダル基礎モデルから設計した説明可能なアルゴリズムを提案する。 我々の説明は計算を高速化しながら既存のXAI手法と競合する。
  論文  参考訳（メタデータ） (2023-11-30T18:19:47Z)
• Concept2Box: Joint Geometric Embeddings for Learning Two-View Knowledge Graphs [77.10299848546717]
  Concept2Boxは、KGの2つのビューを共同で埋め込む新しいアプローチである。 ボックス埋め込みは、それら間の重複や解離のような階層構造と複雑な関係を学習する。 本稿では,新しいベクトル-ボックス間距離測定法を提案し,両者の埋め込みを共同で学習する。
  論文  参考訳（メタデータ） (2023-07-04T21:37:39Z)
• 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)
• Box Embeddings for the Description Logic EL++ [21.89072991669119]
  論理構造をよりよくキャプチャできる幾何学的KB埋め込み手法であるBoxELを提案する。 論理構造を保存するためにBoxELの理論的保証(音性)を示す。 仮定推論および実世界のタンパク質タンパク質予測実験の結果,BoxELは従来の知識グラフ埋め込み法より優れていることが示された。
  論文  参考訳（メタデータ） (2022-01-24T19:24:22Z)
• 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。