論文の概要: A hierarchy of faithfulness criteria for knowledge base completion
- arxiv url: http://arxiv.org/abs/2609.27863v1
- Date: Thu, 20 Aug 2026 11:03:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.99639
- Title: A hierarchy of faithfulness criteria for knowledge base completion
- Title（参考訳）: 知識ベース完成のための忠実度基準の階層化
- Abstract要約: 知識ベース完成モデルが論理的に忠実であることの意味を問う。
相対モデルでは$P(midmathcalO) = #(mathcalOcup)/#(mathcalOO)$という最強の基準を定めています。
- 参考スコア（独自算出の注目度）: 0.5463417677777276
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Knowledge graph completion is evaluated by ranking observed triples above randomly corrupted ones, which treats every unobserved fact as false. When the object being completed is a description logic knowledge base rather than a plain graph, the open world assumption and deductive closure make this inadequate: relative to the knowledge base, a candidate axiom is entailed, contradictory, or undetermined, and a model that cannot separate a logically impossible axiom from a plausible novel one is not merely less accurate but semantically incorrect. We ask what it means for a knowledge base completion model to be logically faithful, and whether current embedding models are. We define a hierarchy of four increasingly strict criteria, discrimination, logical admissibility, monotonic logical faithfulness, and probabilistic logical faithfulness, and prove that they form a strict chain of implications. We ground the strongest criterion in the relative model count $P(α\mid\mathcal{O}) = \#(\mathcal{O}\cup\{α\})/\#(\mathcal{O})$, which recovers the trichotomy at its endpoints and ranks undetermined axioms in between. Evaluating knowledge graph and logic-geometric embedding models on $\mathcal{EL}$ ontologies, with entailed, contradictory, and undetermined test sets generated by a reasoner, we find that ranking accuracy does not imply logical faithfulness and that none of the evaluated models is faithful across the hierarchy. The code is available at https://github.com/bio-ontology-research-group/kbc.
- Abstract（参考訳）: 知識グラフの完全性は、ランダムに破損した三重項のランク付けによって評価され、すべての未観測事実を偽として扱う。
完了したオブジェクトが平易なグラフではなく記述論理的知識ベースである場合、オープンワールドの仮定と帰納的閉包は、この不適切である:知識ベースに対して、候補公理は必然的、矛盾的、あるいは未決定であり、論理的に不可能な公理と可解な新規公理を分離できないモデルは、単に正確ではなく、意味的に不正確である。
知識ベース完成モデルが論理的に忠実であることの意味と、現在の埋め込みモデルが正しいかどうかを問う。
4つの厳格な基準、差別、論理的許容性、単調な論理的忠実性、確率論的論理的忠実性の階層を定義し、それらが厳密な含意の連鎖を形成することを証明する。
P(α\mid\mathcal{O}) = \#(\mathcal{O}\cup\{α\})/\#(\mathcal{O})$ という相対モデルにおいて最強の基準を定めている。
知識グラフと論理幾何学的埋め込みモデルを$\mathcal{EL}$オントロジーで評価し、推論者が生成した包含的、矛盾的、未決定なテストセットで評価すると、ランキング精度は論理的忠実さを含まないこと、評価されたモデルのうちどのモデルも階層にわたって忠実でないことが分かる。
コードはhttps://github.com/bio-ontology-research-group/kbc.comで公開されている。
関連論文リスト
- Can We Trust LLM's Logic? Quantifying Uncertainty, Coherence, and Robustness via a Graph-Based Framework [0.6743011393792991]
GraphEVAL はグラフベースの推論フレームワークであり、不確実性定量化(UQ)を全体論的推論忠実性問題として再編成する。
推論空間の意味的構造的コンセンサスを定量化する新しいUQ測度であるグラフ推論コヒーレンススコア(GRCS)を提案する。
また,グラフ自己整合性 (GSC) も導入した。
論文 参考訳（メタデータ） (2026-07-09T00:45:26Z) - A Simple Generative Model of Logical Reasoning and Statistical Learning [0.6853165736531939]
統計的学習と論理的推論は、AIの2つの主要な分野であり、人間のようなマシンインテリジェンスに統一されることが期待されている。
本稿では、論理的推論と統計的学習の単純なベイズモデルを提案する。
我々は、形式論理におけるその満足度の観点から、データがどのように象徴的知識を引き起こすかをモデル化する。
論文 参考訳（メタデータ） (2023-05-18T16:34:51Z) - An Embedding-based Approach to Inconsistency-tolerant Reasoning with
Inconsistent Ontologies [12.760301272393898]
本稿では,公理の埋め込みに基づく一貫性のない意味論による推論手法を提案する。
組込みに基づく手法は、最大一貫した部分集合に基づく既存の矛盾耐性推論手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-04-04T09:38:02Z) - MetaLogic: Logical Reasoning Explanations with Fine-Grained Structure [129.8481568648651]
複雑な実生活シナリオにおけるモデルの論理的推論能力を調べるためのベンチマークを提案する。
推論のマルチホップ連鎖に基づいて、説明形式は3つの主成分を含む。
この新たな説明形式を用いて,現在のベストモデルの性能を評価した。
論文 参考訳（メタデータ） (2022-10-22T16:01:13Z) - Rethinking Knowledge Graph Evaluation Under the Open-World Assumption [65.20527611711697]
ほとんどの知識グラフ(KG)は不完全であり、知識グラフを自動補完する重要な研究トピックの動機となっている。
すべての未知の三つ子を偽として扱うことは、閉世界仮定(close-world assumption)と呼ばれる。
本稿では,KGCの評価を,より現実的な条件,すなわちオープンワールドの仮定の下で研究する。
論文 参考訳（メタデータ） (2022-09-19T09:01:29Z) - Logical Credal Networks [87.25387518070411]
本稿では,論理と確率を組み合わせた先行モデルの多くを一般化した表現的確率論的論理である論理的クレダルネットワークを紹介する。
本稿では,不確実性のあるマスターミンドゲームを解くこと,クレジットカード詐欺を検出することを含む,最大後部推論タスクの性能について検討する。
論文 参考訳（メタデータ） (2021-09-25T00:00:47Z) - A Weaker Faithfulness Assumption based on Triple Interactions [89.59955143854556]
より弱い仮定として, 2$-adjacency faithfulness を提案します。
より弱い仮定の下で適用可能な因果発見のための音方向規則を提案する。
論文 参考訳（メタデータ） (2020-10-27T13:04:08Z) - Foundations of Reasoning with Uncertainty via Real-valued Logics [70.43924776071616]
我々は、本質的にすべての実数値論理をカバーするためにパラメータ化できる、音と強完全公理化を与える。
文のクラスは非常に豊かであり、各クラスは実数値論理の式の集合に対して可能な実値の集合を記述する。
論文 参考訳（メタデータ） (2020-08-06T02:13:11Z) - Logical Neural Networks [51.46602187496816]
ニューラルネットワーク(学習)と記号論理(知識と推論)の両方の重要な特性をシームレスに提供する新しいフレームワークを提案する。
すべてのニューロンは、重み付けされた実数値論理における公式の構成要素としての意味を持ち、非常に解釈不能な非絡み合い表現をもたらす。
推論は事前に定義されたターゲット変数ではなく、オムニであり、論理的推論に対応する。
論文 参考訳（メタデータ） (2020-06-23T16:55:45Z)
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。