Ontology Revision based on Pre-trained Language Models

要約

オントロジーの改訂は、新しいオントロジーを既存のオントロジーにシームレスに組み込むことを目的としており、オントロジーの進化、オントロジーの保守、オントロジーの調整などのタスクにおいて重要な役割を果たします。
単一オントロジーの修復と同様に、オントロジー改訂タスクにおける論理的矛盾を解決することも重要かつ有意義です。なぜなら、矛盾は不整合を引き起こす主な潜在的要因であり、矛盾したオントロジーを使用して推論すると意味のない答えが得られるからです。この問題に対処するために、さまざまなオントロジーが使用されます。
リビジョン演算子を定義し、オントロジー内の公理のランキング戦略を設計するリビジョン アプローチが提案されています。
ただし、公理を区別するための重要な情報を提供する公理の意味論についてはほとんど考慮されていません。
さらに、事前トレーニング済みモデルは公理セマンティクスのエンコードに利用でき、近年多くの自然言語処理タスクやオントロジー関連タスクに広く適用されています。そこで、この論文では、事前トレーニング済みモデルを適用する方法を研究します。
オントロジーを改訂します。
まず、オントロジーからのさまざまな情報を考慮して、事前トレーニングされたモデルに基づいて公理をランク付けする 4 つのスコアリング関数を定義します。
機能に基づいて、満たされない概念を一度に処理するためのオントロジー修正アルゴリズムが提案されます。
効率を向上させるために、満足できない概念をグループごとに処理するように適応された改訂アルゴリズムが設計されています。
私たちは 19 のオントロジー ペアにわたって実験を実施し、アルゴリズムとスコアリング関数を既存のものと比較します。
実験によると、私たちのアルゴリズムは有望なパフォーマンスを達成することができました。

要約(オリジナル)

Ontology revision aims to seamlessly incorporate a new ontology into an existing ontology and plays a crucial role in tasks such as ontology evolution, ontology maintenance, and ontology alignment. Similar to repair single ontologies, resolving logical incoherence in the task of ontology revision is also important and meaningful, because incoherence is a main potential factor to cause inconsistency and reasoning with an inconsistent ontology will obtain meaningless answers.To deal with this problem, various ontology revision approaches have been proposed to define revision operators and design ranking strategies for axioms in an ontology. However, they rarely consider axiom semantics which provides important information to differentiate axioms. In addition, pre-trained models can be utilized to encode axiom semantics, and have been widely applied in many natural language processing tasks and ontology-related ones in recent years.Therefore, in this paper, we study how to apply pre-trained models to revise ontologies. We first define four scoring functions to rank axioms based on a pre-trained model by considering various information from an ontology. Based on the functions, an ontology revision algorithm is then proposed to deal with unsatisfiable concepts at once. To improve efficiency, an adapted revision algorithm is designed to deal with unsatisfiable concepts group by group. We conduct experiments over 19 ontology pairs and compare our algorithms and scoring functions with existing ones. According to the experiments, our algorithms could achieve promising performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google