Neuro-Symbolic RDF and Description Logic Reasoners: The State-Of-The-Art and Challenges

要約

オントロジーはさまざまなドメインで使用されており、RDF と OWL はオントロジー開発の著名な標準です。
RDFはそのシンプルさと柔軟性で好まれていますが、OWLは詳細なドメイン知識の表現を可能にします。
ただし、オントロジーが大きくなり、より表現力が豊かになるにつれて、推論の複雑さが増し、従来の推論では効率的に実行することが困難になります。
最適化の取り組みにもかかわらず、スケーラビリティには依然として問題が残っています。
さらに、自動化された知識ベース構築の進歩により、ノイズが多く一貫性のない大規模で表現力豊かなオントロジーが作成され、従来の推論器にさらなる課題をもたらしています。
これらの課題に対処するために、研究者たちは、ニューラル ネットワークの学習能力と記号システムの推論能力を組み合わせた神経記号的アプローチを研究してきました。
この章では、RDF(S)、記述ロジックELおよびALC、OWL 2 RLによってサポートされる神経記号演繹的推論の分野における既存の文献の概要を提供し、使用される技術、それらが扱うタスクについて説明します。
およびこの分野におけるその他の関連取り組み。

要約(オリジナル)

Ontologies are used in various domains, with RDF and OWL being prominent standards for ontology development. RDF is favored for its simplicity and flexibility, while OWL enables detailed domain knowledge representation. However, as ontologies grow larger and more expressive, reasoning complexity increases, and traditional reasoners struggle to perform efficiently. Despite optimization efforts, scalability remains an issue. Additionally, advancements in automated knowledge base construction have created large and expressive ontologies that are often noisy and inconsistent, posing further challenges for conventional reasoners. To address these challenges, researchers have explored neuro-symbolic approaches that combine neural networks’ learning capabilities with symbolic systems’ reasoning abilities. In this chapter,we provide an overview of the existing literature in the field of neuro-symbolic deductive reasoning supported by RDF(S), the description logics EL and ALC, and OWL 2 RL, discussing the techniques employed, the tasks they address, and other relevant efforts in this area.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google