論文の概要: Rewrite Once, Validate Anywhere: Producing OWL-Aware SHACL Constraints (Extended Version)

• arxiv url: http://arxiv.org/abs/2608.14104v1
• Date: Fri, 14 Aug 2026 09:06:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.33374
• Title: Rewrite Once, Validate Anywhere: Producing OWL-Aware SHACL Constraints (Extended Version)
• Title（参考訳）: Rewrite Once, Validate Anywhere: Producing OWL-Aware SHACL Constraints (Extended Version)
• Abstract要約: Shapes Constraint Language (SHACL)は、RDFグラフの構文制約を表現するためのW3C勧告である。 OWL の公理を SHACL 制約に内包し、形状と OWL EL$-$ 制約の両方を入力として書き直しを構築する。 この出力は、推論サポートに関係なく、SHACLコアをサポートするバリデータによって評価することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Shapes Constraint Language (SHACL) is a W3C recommendation to express syntactic constraints, called shapes, on RDF graphs. SHACL validators are used to test whether a given graph adheres to such a shape. However, RDF graphs often come with OWL ontologies, whose implicit knowledge needs to be taken into account. This is classically handled by first applying reasoning and then performing the constraint checking on the results, often using different technologies which makes the process inefficient and vulnerable for mistakes. To overcome this, we propose to internalise the OWL axioms in the SHACL constraints; we construct a rewriting which takes as input both shapes and an OWL EL$^-$ ontology -- a fragment of OWL EL restricting the usage of existential restrictions -- and produces SHACL constraints. This output can then be evaluated by any validator supporting SHACL core regardless of its reasoning support, while yielding the same results as the traditional approach. The implementation of our translation is evaluated both against applying state-of-the-art reasoners and validators consecutively, as against validators with built-in reasoning support. For our benchmark, we show that our approach is in general more efficient in finding violations compared to the sequential approach, thus providing a powerful tool which simplifies combining reasoning with validation.
• Abstract（参考訳）: シェープ制約言語 (Shapes Constraint Language, SHACL) は、RDFグラフ上の「シェープ」と呼ばれる構文制約を表現するためのW3C勧告である。 SHACL検証器は、与えられたグラフがそのような形状に固執するかどうかをテストするのに使用される。 しかし RDF グラフは OWL オントロジーを伴い、暗黙の知識を考慮に入れなければならない。 これは古典的には、まず推論を適用し、次に結果の制約チェックを実行することで処理される。 そこで我々は,SHACL制約にOWLの公理を内在化することを提案し,両形を入力として書き直しとOWL EL$^-$オントロジー(OWL ELの断片で存在制約の使用を制限する)を構築し,SHACL制約を生成する。 この出力はSHACLコアをサポートするバリデータによって評価され、従来の手法と同じ結果が得られる。 本翻訳の実装は, 最先端の推論器と検証器を連続的に適用することと, 推論支援を組み込んだ検証器を併用することの両方に対して評価される。 ベンチマークの結果,提案手法は逐次的手法と比較して,違反発見の効率が向上し,推論と検証を併用する強力なツールが提供されることがわかった。

関連論文リスト

• Logic-Regularized Verifier Elicits Reasoning from LLMs [63.65875399266337]
  論理規則で正規化された教師なしの検証器であるLOVERを提案する。 ローバーは、定理を二項潜在変数として扱い、内部の活性化を活用し、3つの論理的制約を課す。 ローバーは教師なしのベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2026-05-07T09:03:49Z)
• Static Analysis of Recursive SHACL [5.161531917413707]
  SHACL(Shapes Constraint Language)は、RDFデータの制約をいわゆる形状を用いて表現する。 我々の重要な技術的貢献は、SHACLを十分に確立されたセマンティクスの下で完全にハイブリッドなmu-calculusに翻訳することである。
  論文  参考訳（メタデータ） (2026-05-04T16:29:29Z)
• ReasonCACHE: Teaching LLMs To Reason Without Weight Updates [75.2707292367514]
  大規模言語モデル(LLM)は、コンテキストウィンドウをオーバーロードすることなく、重み付けをすることなく、推論を学習できることを示します。 本稿では、デモを固定キー値キャッシュに蒸留するReasonCACHEについて紹介する。 経験的に、ReasonCACHEは標準のICLよりも優れており、IWLアプローチにマッチするか、超えている。
  論文  参考訳（メタデータ） (2026-02-02T17:24:23Z)
• Uncovering Hidden Correctness in LLM Causal Reasoning via Symbolic Verification [56.51953062869371]
  DoVerifier は、因果表現が与えられた因果グラフから導出可能であるかどうかをdo-calculus と probability theory の規則を用いてチェックする記号検証器である。 因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果的因果
  論文  参考訳（メタデータ） (2026-01-29T03:22:58Z)
• KBQA-R1: Reinforcing Large Language Models for Knowledge Base Question Answering [64.62317305868264]
  テキスト模倣から強化学習によるインタラクション最適化へパラダイムをシフトするフレームワークである textbfKBQA-R1 を提案する。 KBQAを多ターン決定プロセスとして扱うことで,行動のリストを用いて知識ベースをナビゲートすることを学ぶ。 WebQSP、GrailQA、GraphQuestionsの実験では、KBQA-R1が最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-12-10T17:45:42Z)
• SHACL Validation under Graph Updates (Extended Paper) [6.755812289103844]
  本稿では,RDFグラフの直感的かつ現実的な修正をキャプチャできるSHACLベースの更新言語を提案する。 この問題は、与えられた更新シーケンスを適用した後も、SHACL仕様を検証するすべてのグラフがまだそうするかどうかを検証するように要求する。 静的な検証は(マイナーな拡張)SHACLにおける制約の満足度に還元できることを示す。
  論文  参考訳（メタデータ） (2025-07-31T19:58:16Z)
• SHACL Validation in the Presence of Ontologies: Semantics and Rewriting Techniques [6.882042556551609]
  SHACLは、データを完全として扱う制約言語であり、クローズドワールドの仮定の下で検証する必要がある。 我々は、主要なコアユニバーサルモデルの存在下で、SHACL検証のセマンティクスを提唱する。 非常に単純な機能であっても、EXPTIMEは完全であり、PTIMEはデータ複雑性において完全であることを示す。
  論文  参考訳（メタデータ） (2025-07-16T14:38:27Z)
• xpSHACL: Explainable SHACL Validation using Retrieval-Augmented Generation and Large Language Models [0.0]
  Shapes Constraint Language (SHACL)はRDFデータを検証するための強力な言語である。 本稿では,説明可能なSHACL検証システムであるXPSHACLについて述べる。 ルールベースの正当化木と検索強化世代(RAG)と大規模言語モデル(LLM)を組み合わせて、制約違反の詳細な多言語説明を生成する。
  論文  参考訳（メタデータ） (2025-07-11T09:18:41Z)
• Fast Controlled Generation from Language Models with Adaptive Weighted Rejection Sampling [90.86991492288487]
  トークンの制約を評価するのは 違法にコストがかかる LCDは文字列上のグローバル分布を歪め、ローカル情報のみに基づいてトークンをサンプリングすることができる。 我々のアプローチは最先端のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-04-07T18:30:18Z)
• SHACL2FOL: An FOL Toolkit for SHACL Decision Problems [0.4895118383237099]
  我々は、SHACL文書をFOL文に変換する最初の自動ツールであるSHACL2FOLを紹介する。 このツールは、満足度と包含性の2つの静的解析問題に対する解を計算する。 また、一連の制約に関してグラフの有効性をテストすることもできる。
  論文  参考訳（メタデータ） (2024-06-12T09:20:25Z)
• ConstraintChecker: A Plugin for Large Language Models to Reason on Commonsense Knowledge Bases [53.29427395419317]
  コモンセンス知識ベース(CSKB)に対する推論は,新しいコモンセンス知識を取得する方法として検討されてきた。 我々は**ConstraintChecker*を提案します。
  論文  参考訳（メタデータ） (2024-01-25T08:03:38Z)

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。