論文の概要: The More the Merrier: Combining Properties for ABox Abduction under Repair Semantics in ELbot
- arxiv url: http://arxiv.org/abs/2606.19197v2
- Date: Fri, 19 Jun 2026 08:47:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-23 13:41:30.940303
- Title: The More the Merrier: Combining Properties for ABox Abduction under Repair Semantics in ELbot
- Title（参考訳）: elbotの補修セマンティックスにおけるABox吸収特性の複合化
- Authors: Anselm Haak, Patrick Koopmann, Yasir Mahmood, Anni-Yasmin Turhan,
- Abstract要約: アブダクション(Abduction)は、知識ベースから不足する関心事を説明するための中心的なアプローチである。
我々の主な観察は、仮説のためにしばしば追加的な性質を必要とすることは、複雑さの増大に繋がらないということである。
- 参考スコア（独自算出の注目度）: 6.124773188525718
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Abduction is a central approach to explain missing entailments from a knowledge base by providing a hypothesis, that would, if added to the knowledge base, make the missing entailment become true. Abduction under repair semantics has recently been investigated in detail, where several desirable properties and optimality criteria were considered, such as signature-restrictions and minimality in size and of introduced conflicts. Naturally, hypotheses that satisfy more than one of these properties or combine a property with an optimality criterion would be even more desirable for applications. So far, such hypotheses have not been investigated in the literature. In the present paper, we consider the ABox abduction problem for hypotheses satisfying more than one property or additional optimality criteria, for EL_bot under brave and AR semantics. Our main observation is that often requiring additional properties for hypotheses does not lead to an increase of complexity.
- Abstract（参考訳）: アブダクション(Abduction)は、知識ベースに付加された仮説を提示することで、知識ベースから失った含意を説明するための中心的なアプローチである。
補修セマンティクスの下でのアブダクションは近年,シグネチャ制限やサイズ最小化,導入紛争など,いくつかの望ましい特性や最適性基準が検討されている。
当然、これらの性質の1つ以上を満足する仮説や、最適性基準とプロパティを組み合わせる仮説は、アプリケーションにとってさらに望ましい。
これまでのところ、そのような仮説は研究されていない。
本稿では,複数の特性や追加の最適性基準を満たす仮説に対するABox推論問題について,勇敢な意味論とAR意味論に基づくEL_botについて考察する。
我々の主な観察は、仮説のためにしばしば追加的な性質を必要とすることは、複雑さの増大に繋がらないということである。
関連論文リスト
- Quantum-Inspired Trace-Augmented Evidence Selection for Reasoning over Structured Hypothesis Spaces [3.080533334837387]
大規模言語モデル (LLMs) は、法律のようなエビデンスに強い専門分野において脆弱なままである。
EP-HUBOは複数のCoTトレースを小さな局所モデルで生成し、断片を仮説ごとのエビデンスプールに解析し、品質由来の重み付きプール毎の高次非制約バイナリ最適化を解決し、フロンティアモデルに1問1の偏見呼び出しを委譲する。
論文 参考訳（メタデータ） (2026-06-05T06:12:11Z) - DiVA: Fine-grained Factuality Verification with Agentic-Discriminative Verifier [21.954389816004227]
Agentic Discriminative Verifier (DiVA) は、生成モデルのエージェント検索能力を、識別モデルの正確なスコアリング適性を相乗化するハイブリッドフレームワークである。
FGVeriBenchの実験結果から、我々のDiVAは、一般とマルチホップの両方の質問に対する事実性検証において、既存の手法よりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2026-01-07T05:35:01Z) - Differentially private testing for relevant dependencies in high dimensions [1.809722301908016]
本研究では,高次元ベクトルの成分間の依存関係を検出する問題について検討する。
座標が対独立であるかどうかをテストする代わりに、ある対関係が絶対値の与えられたしきい値を超えていないかどうかを判断することに興味がある。
スパース設定において特に強力であるブートストラップに基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2025-11-21T11:38:40Z) - Controllable Logical Hypothesis Generation for Abductive Reasoning in Knowledge Graphs [54.596180382762036]
知識グラフの帰納的推論は、観測された実体からもっともらしい論理的仮説を生成することを目的としている。
可制御性の欠如により、単一の観測は、多くの妥当だが冗長あるいは無関係な仮説をもたらす可能性がある。
帰納的推論の実用性を改善するために,制御可能な仮説生成タスクを導入する。
論文 参考訳（メタデータ） (2025-05-27T09:36:47Z) - Optimal Multi-Distribution Learning [88.3008613028333]
マルチディストリビューション学習は、$k$の異なるデータ分散における最悪のリスクを最小限に抑える共有モデルを学ぶことを目指している。
本稿では, (d+k)/varepsilon2の順に, サンプルの複雑さを伴って, ヴァレプシロン最適ランダム化仮説を導出するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-12-08T16:06:29Z) - 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) - Asymptotic relative submajorization of multiple-state boxes [0.0]
状態ペア(Pairs of state)は、非対称微分可能性(Wang and Wilde, 2019)の資源理論の基本的な対象であり、自由操作はどちらの状態にも適用される任意の量子チャネルである。
一定数の有限状態のボックスを考察し、そのような対象に対する相対的な部分整合の事前順序の拡張について検討する。
この事前順序は、単純な代替仮説に対して合成ヌル仮説をテストする場合のエラー確率と、状態判別におけるある種のエラー確率を特徴づける。
論文 参考訳（メタデータ） (2020-07-22T08:29:52Z) - Empirically Verifying Hypotheses Using Reinforcement Learning [58.09414653169534]
本稿では,仮説検証をRL問題として定式化する。
我々は、世界の力学に関する仮説を前提として、仮説が真か偽かを予測するのに役立つ観測結果を生成することができるエージェントを構築することを目指している。
論文 参考訳（メタデータ） (2020-06-29T01:01:10Z)
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。