論文の概要: Stratified Negation in RDF Rules: A Correct Approach (Extended Version)

• arxiv url: http://arxiv.org/abs/2607.28778v1
• Date: Thu, 30 Jul 2026 19:05:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.454198
• Title: Stratified Negation in RDF Rules: A Correct Approach (Extended Version)
• Title（参考訳）: RDFルールにおける階層的否定:正しいアプローチ(拡張版)
• Abstract要約: 本稿では,否定を伴うRDFルールのセマンティクスを十分に保証する,ロバストな新しい条件として連鎖成層法を提案する。 我々の条件は、潜在的多段階導出の精巧な解析と、整合性制約を用いて不可能なケースを破棄するメカニズムを組み合わせる。 連鎖成層を尊重する任意の順序で規則を適用することは、通常の否定と失敗のセマンティクスの下で、ユニークでリーンで正当化されたRDFグラフを導出することを保証される。
• 参考スコア（独自算出の注目度）: 2.2679160149512376
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Combining RDF rule languages, such as N3 or SHACL Rules, with default negation is challenging. Existing methods to stratify negation often fail for RDF rules, since individual triples do not carry enough information to meaningfully restrict potential dependencies. Blank nodes in rule heads further complicate the matter, since the order of rule applications may determine whether new values are created, which in turn can change the applicability of rules with negation. To solve these open problems, we propose chain stratification as a robust new condition that guarantees a well-behaved semantics for RDF rules with negation, and existential rules in general. Our condition combines an elaborate analysis of potential multistep derivations with a mechanism for using integrity constraints to discard impossible cases. Applying rules in any order that respects chain stratification is guaranteed to derive an RDF graph that is unique, lean, and justified under the usual negation-as-failure semantics. To show the practicality, we also provide a prototype implementation.
• Abstract（参考訳）: N3やSHACLルールなどのRDFルール言語とデフォルトの否定を組み合わせることは難しい。 既存の否定を階層化する方法はRDFルールでは失敗することが多く、個々のトリプルは潜在的な依存関係を有意義に制限する十分な情報を持っていない。 ルールアプリケーションの順序は、新しい値が生成されるかどうかを決定できるため、ルールのブランクノードは問題をさらに複雑にします。 このようなオープンな問題を解決するために,我々は,否定を伴うRDF規則や実存規則全般に対する良好な意味論を保証する,堅牢な新しい条件として連鎖成層法を提案する。 我々の条件は、潜在的多段階導出の精巧な解析と、整合性制約を用いて不可能なケースを破棄するメカニズムを組み合わせる。 連鎖成層を尊重する任意の順序で規則を適用することは、通常の否定と失敗のセマンティクスの下で、ユニークでリーンで正当化されたRDFグラフを導出することを保証される。 実用性を示すため,プロトタイプの実装も提供する。

関連論文リスト

• From Statute to Control Flow: Span-Grounded Deontic Trees for Defeasible Scope Parsing [13.077273684682886]
  規則追従剤は、しばしばサイレントスコープ・オミッション(SSO)を介して失敗する 根底にあるボトルネックは、法と政策の理解です。 ノルムベンチ(英: NormBench)は、中国(法と地方政策)、英語(アメリカ合衆国税法)、企業政策にまたがる2,290条の基準である。
  論文  参考訳（メタデータ） (2026-06-08T02:17:53Z)
• When Rule Violations Are Rare: Chimera Training for Logical Anomaly Detection [56.362776482614976]
  本研究では,学習した視覚概念に対する制約を論理規則として与える環境での異常検出について検討する。 本稿では,各制約を有向非巡回グラフにコンパイルし,特徴認識サブツリーゲートを学習するニューラルルール評価器を提案する。 CLEVRER、OpenImages、VidOR全体で、結果として得られる評価は、独立イベントと同一イメージのセマンティックトレーニングベースラインよりもルールレベルのAUROCを改善する。
  論文  参考訳（メタデータ） (2026-05-25T02:52:36Z)
• A CAP-like Trilemma for Large Language Models: Correctness, Non-bias, and Utility under Semantic Underdetermination [0.0]
  本稿では,大言語モデル(LLM)に対するCAP様予想を定式化する。 提案されたトリレンマは、意味的下決定の下では、LLMは常に強い正当性、厳密な非バイアス、高ユーティリティを保証できない。
  論文  参考訳（メタデータ） (2026-05-12T07:28:38Z)
• CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
  検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。 エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。 CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
  論文  参考訳（メタデータ） (2025-12-22T16:34:21Z)
• Non-Resolution Reasoning (NRR): A Computational Framework for Contextual Identity and Ambiguity Preservation [0.0]
  現在の人工知能システムは、曖昧さを早期に解決する、基本的なアーキテクチャ上の限界を示す。 この早期のセマンティック崩壊は、標準的なニューラルネットワークに埋め込まれた古典的なアイデンティティの仮定に由来する。 あいまいさ保持を有効な推論モードとして扱う計算フレームワークであるNon-Resolution Reasoning (NRR)を提案する。
  論文  参考訳（メタデータ） (2025-12-15T16:14:32Z)
• Less Is More for Multi-Step Logical Reasoning of LLM Generalisation Under Rule Removal, Paraphrasing, and Compression [3.3492355863487275]
  大規模言語モデル(LLM)は多くの自然言語処理において高い性能を達成するが、論理規則系の構造的摂動下での一般化は依然として不十分である。 本研究では,4つの応力試験による推理信頼性の検証を行う制御評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-06T10:49:50Z)
• Normalized Attention Guidance: Universal Negative Guidance for Diffusion Models [57.20761595019967]
  注意空間にL1をベースとした正規化・精細化を施した,効率的かつトレーニング不要な機構である正規化注意誘導(NAG)を提案する。 NAGは、CFGが忠実性を維持しながら崩壊する効果的な負のガイダンスを復元する。 NAGはアーキテクチャ(UNet、DiT)、サンプリングレシスタンス(複数ステップ、複数ステップ)、モダリティ(イメージ、ビデオ)をまたいで一般化する
  論文  参考訳（メタデータ） (2025-05-27T13:30:46Z)
• Faithful Differentiable Reasoning with Reshuffled Region-based Embeddings [62.93577376960498]
  知識グラフ埋め込み法は、実体の幾何学的表現と関係を学習し、妥当な不足した知識を予測する。 我々は、より大規模なルールベースを忠実にキャプチャできる制約の順序付けに基づくモデルであるRESHUFFLEを提案する。 フレームワークへのエンティティの埋め込みは、グラフニューラルネットワーク(GNN)によって学習され、事実上差別化可能なルールベースとして機能する。
  論文  参考訳（メタデータ） (2024-06-13T18:37:24Z)
• Invariance Principle Meets Information Bottleneck for Out-of-Distribution Generalization [77.24152933825238]
  線形分類タスクには分布シフトの強い制限が必要であり、そうでなければ OOD の一般化は不可能であることを示す。 不変な特徴がラベルに関するすべての情報をキャプチャし、そうでなければ既存の成功を保っている場合、情報ボトルネックの形式が重要な障害に対処するのに役立つことを証明します。
  論文  参考訳（メタデータ） (2021-06-11T20:42:27Z)
• GroupifyVAE: from Group-based Definition to VAE-based Unsupervised Representation Disentanglement [91.9003001845855]
  他の誘導バイアスを導入しないと、VAEベースの非監視的非絡み合いは実現できない。 グループ理論に基づく定義から導かれる制約を非確率的帰納的バイアスとして活用し,vaeに基づく教師なし不連続に対処する。 提案手法の有効性を検証するために,5つのデータセット上で,vaeベースモデルが最も目立つ1800モデルをトレーニングした。
  論文  参考訳（メタデータ） (2021-02-20T09:49:51Z)
• Stratified Rule-Aware Network for Abstract Visual Reasoning [46.015682319351676]
  Raven's Progressive Matrices (RPM) テストは一般的に抽象的推論の能力を調べるために使用される。 畳み込みニューラルネットワーク(CNN)を利用した最近の研究は、RPMテストを達成するための奨励的な進歩を達成している。 本稿では,2つの入力シーケンスに対するルール埋め込みを生成するためのSRAN(Stratified Rule-Aware Network)を提案する。
  論文  参考訳（メタデータ） (2020-02-17T08:44:05Z)

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。