論文の概要: A Variability-Based Framework for Interpretable Naming in Formal and Relational Concept Analysis
- arxiv url: http://arxiv.org/abs/2606.08477v1
- Date: Sun, 07 Jun 2026 06:47:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:06.132325
- Title: A Variability-Based Framework for Interpretable Naming in Formal and Relational Concept Analysis
- Title（参考訳）: 形式的・関係的概念分析における解釈可能なナーミングのための変数ベースフレームワーク
- Authors: Alain Gutierrez, Marianne Huchard, Pierre Martin, André Miralles, Violaine Prince,
- Abstract要約: 本稿では,記号的知識表現の観点から概念命名について検討する。
まず、生成された象徴的抽象概念の命名に関わる言語的・用語的課題を特徴付ける。
次に、LLM支援概念命名のためのフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.2348805691644085
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Knowledge extraction from symbolic data often produces abstractions that are formally defined but not immediately interpretable by users. Formal Concept Analysis (FCA) and Relational Concept Analysis (RCA) provide representative settings for this issue: they generate explicit conceptual structures, implications, and relational dependencies from object descriptions and relations. Although these structures are explainable by design, their concepts are often identified by technical labels, which limits their use as human-interpretable knowledge units. Assigning meaningful names to such concepts is therefore a key issue for interpretation, navigation, validation, and reuse by domain experts. This paper investigates concept naming in FCA and RCA from a symbolic knowledge representation perspective. We first characterize the linguistic and terminological challenges involved in naming generated symbolic abstractions, including ambiguity, discrimination, concision, and consistency across related concepts. We then propose a configurable framework for LLM-assisted concept naming. The framework relies on a variability model that controls which sources of information are exposed during naming, such as intent, extent, inherited information, neighboring concepts, implications, and relational attributes. It thereby makes explicit the semantic choices involved in moving from formal concept descriptions to human-readable names. The approach is illustrated as a proof of concept on a small relational dataset in the pizzeria domain. This illustration shows how different configurations influence the names suggested by an LLM, and how naming variability can reveal interpretation choices, relational dependencies, and possible modeling issues in the underlying symbolic data.
- Abstract（参考訳）: シンボリックデータからの知識抽出は、しばしば正式に定義されたが、すぐに解釈できない抽象化を生成する。
形式的概念分析(FCA)と関係的概念分析(RCA)は、オブジェクト記述や関係から明確な概念構造、含意、関係的依存関係を生成する。
これらの構造は設計によって説明可能であるが、その概念はしばしば技術ラベルによって識別され、人間の解釈可能な知識単位としての使用を制限する。
このような概念に意味のある名前を割り当てることは、ドメインの専門家による解釈、ナビゲーション、検証、再利用において重要な問題である。
本稿では,記号的知識表現の観点から,FCAとRCAの概念命名について検討する。
まず、あいまいさ、差別、簡潔さ、関連する概念間の一貫性を含む、生成された象徴的抽象概念の命名に関わる言語的・用語的課題を特徴付ける。
次に、LLM支援概念命名のための構成可能なフレームワークを提案する。
このフレームワークは、インテント、範囲、継承された情報、隣接する概念、含意、関係属性など、命名中にどの情報ソースが露出しているかを制御する可変性モデルに依存している。
これにより、形式的な概念記述から人間可読な名前への移行に関わる意味的な選択が明確になる。
このアプローチは、ピッツェリア領域の小さな関係データセットの概念実証として説明されている。
この図は、異なる構成がLLMによって提案される名前にどのように影響するか、そして、命名可能な変数が、下層のシンボルデータにおける解釈の選択、リレーショナル依存、および可能なモデリング問題を明らかにするかを示す。
関連論文リスト
- Insight: Interpretable Semantic Hierarchies in Vision-Language Encoders [52.94006363830628]
言語対応の視覚基盤モデルは、下流の様々なタスクで強く機能する。
近年の研究では、これらの表現を人間の解釈可能な概念に分解するが、空間的接地が乏しく、画像分類に限られている。
入力画像に人間が解釈可能で空間的に接地した、きめ細かい概念を提供する言語対応概念基盤モデルであるInsightを提案する。
論文 参考訳（メタデータ） (2026-01-20T09:57:26Z) - ConceptScope: Characterizing Dataset Bias via Disentangled Visual Concepts [54.60525564599342]
ConceptScopeは、ビジュアルデータセットを分析するためのスケーラブルで自動化されたフレームワークである。
概念を、その意味的関連性とクラスラベルとの統計的相関に基づいて、ターゲット、コンテキスト、バイアスタイプに分類する。
既知のバイアスを確実に検出し、未発表のバイアスを発見できる。
論文 参考訳（メタデータ） (2025-10-30T06:46:17Z) - Locating and Extracting Relational Concepts in Large Language Models [17.868358723188155]
我々は,事実記憶過程における因果解析を通じて,実体と関係概念を表現できる隠された状態を特定する。
その結果,リレーショナル表現はリライトによる制御可能なファクトリコールに有意な可能性を示唆している。
論文 参考訳（メタデータ） (2024-06-19T03:29:51Z) - Knowledge graphs for empirical concept retrieval [1.06378109904813]
概念に基づく説明可能なAIは、あるユーザの前提における複雑なモデルの理解を改善するツールとして期待されている。
本稿では,テキスト領域と画像領域の両方でユーザ主導のデータ収集を行うワークフローを提案する。
我々は,概念アクティベーションベクトル(CAV)と概念アクティベーション領域(CAR)の2つの概念ベース説明可能性手法を用いて,検索した概念データセットをテストする。
論文 参考訳（メタデータ） (2024-04-10T13:47:22Z) - Domain Embeddings for Generating Complex Descriptions of Concepts in
Italian Language [65.268245109828]
電子辞書から抽出した言語情報と語彙情報に富んだ分布意味資源を提案する。
リソースは21のドメイン固有の行列と1つの包括的なマトリックスとグラフィカルユーザインタフェースから構成される。
本モデルは,具体的概念知識に直接関連した行列を選択することにより,概念の意味的記述の推論を容易にする。
論文 参考訳（メタデータ） (2024-02-26T15:04:35Z) - Simple Mechanisms for Representing, Indexing and Manipulating Concepts [46.715152257557804]
我々は、概念の具体的な表現やシグネチャを生成するために、そのモーメント統計行列を見ることで概念を学ぶことができると論じる。
概念が交差しているとき、概念のシグネチャを使用して、関連する多くの相互交差した概念の共通テーマを見つけることができる。
論文 参考訳（メタデータ） (2023-10-18T17:54:29Z) - Imitation Learning-based Implicit Semantic-aware Communication Networks:
Multi-layer Representation and Collaborative Reasoning [68.63380306259742]
有望な可能性にもかかわらず、セマンティック通信とセマンティック・アウェア・ネットワーキングはまだ初期段階にある。
本稿では,CDCとエッジサーバの複数層を連携させる,推論に基づく暗黙的セマンティック・アウェア通信ネットワークアーキテクチャを提案する。
暗黙的セマンティクスの階層構造と個人ユーザのパーソナライズされた推論嗜好を考慮に入れたセマンティクス情報の多層表現を提案する。
論文 参考訳（メタデータ） (2022-10-28T13:26:08Z) - Translational Concept Embedding for Generalized Compositional Zero-shot
Learning [73.60639796305415]
一般合成ゼロショット学習は、ゼロショット方式で属性オブジェクト対の合成概念を学習する手段である。
本稿では,これら2つの課題を統一的なフレームワークで解決するために,翻訳概念の埋め込み(translational concept embedded)という新しいアプローチを提案する。
論文 参考訳（メタデータ） (2021-12-20T21:27:51Z) - On the Merging of Domain-Specific Heterogeneous Ontologies using Wordnet
and Web Pattern-based Queries [0.0]
我々は,コミュニティ間の共通ドメインの形式的,明示的,共有的な概念化と理解の提供を目指しています。
オントロジーは特定の領域の概念とその制約を明示的に定義することができる。
論文 参考訳（メタデータ） (2020-04-30T05:03:50Z) - Expressiveness and machine processability of Knowledge Organization
Systems (KOS): An analysis of concepts and relations [0.0]
各知識組織システムの表現性と機械処理性の両方の可能性は、その構造規則によって広範囲に規制されている。
オントロジーは多種多様な関係を明示的に定義し、その性質上機械処理可能である。
論文 参考訳（メタデータ） (2020-03-11T12:35:52Z)
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。