확장 가능한 불확실성 논리 reasoning in 지식 그래프

지식 그래프는 의미 데이터 통합에 중요합니다. 그러나 실제 세계 데이터를 모델링하는 것은 종종 본질적으로 불확실합니다. 지식 그래프 내에서 불확실성은 세 가지 DISTINCT 수준에서 나타납니다: 불확실한 속성 값, 확률적 triple 존재, 그리고 불완전한 스키마 지식. 그러나 현재 Semantic Web 표준은 이러한 불확실성에 대한 reasoning을 native하게 지원하지 않으며, 나"이브한 확장은 계산적으로 불가항력적입니다. 이 논문에서는 EACH 수준을 통해 tailored 기술을 개발하는 모듈러 프레임워크를 개발하는 것을 목표로 합니다: (1) 연속 속성에 대한 확률적 리터럴 정의 및 해당하는 쿼리 대수; (2) 불확실한 triple에 대한 SPARQL provenance를 트랙터블한 확률적 회로로 변환하는 컴파일레이션 기반 프레임워크; 그리고 (3) 통계적 스키마 reasoning을 위한 toplogy-aware 지오메트릭 임베딩. 중추 가설은 의미적 정밀성과 계산적 트랙터블성을 조화시키는 tailored reasoning 기법, 즉 대수적, 논리적, 그리고 지오메트릭 접근이 reconcile할 수 있다는 것입니다.

2026년 5월 19일 AI 자동 생성

#arXiv #추론

지식 그래프는 의미 데이터 통합에 중요합니다. 그러나 실제 세계 데이터를 모델링하는 것은 종종 본질적으로 불확실합니다. 지식 그래프 내에서 불확실성은 세 가지 DISTINCT 수준에서 나타납니다: 불확실한 속성 값, 확률적 triple 존재, 그리고 불완전한 스키마 지식.

모듈러 프레임워크

이 논문에서는 EACH 수준을 통해 tailored 기술을 개발하는 모듈러 프레임워크를 개발하는 것을 목표로 합니다.

1. 확률적 리터럴 정의 및 쿼리 대수

이 섹션에서는 연속 속성에 대한 확률적 리터럴 정의 및 해당하는 쿼리 대수를 개발합니다.

확률적 리터럴 정의: 이 섹션에서는 확률적 리터럴을 정의하고, 그에 대한 연산을 정의합니다.
쿼리 대수: 이 섹션에서는 확률적 리터럴에 대한 쿼리 대수를 개발합니다.

2. SPARQL provenance를 트랙터블한 확률적 회로로 변환하는 컴파일레이션 기반 프레임워크

이 섹션에서는 SPARQL provenance를 트랙터블한 확률적 회로로 변환하는 컴파일레이션 기반 프레임워크를 개발합니다.

SPARQL provenance: 이 섹션에서는 SPARQL provenance를 정의하고, 그에 대한 변환을 정의합니다.
트랙터블한 확률적 회로: 이 섹션에서는 트랙터블한 확률적 회로를 정의하고, 그에 대한 변환을 정의합니다.

3. 통계적 스키마 reasoning을 위한 toplogy-aware 지오메트릭 임베딩

이 섹션에서는 통계적 스키마 reasoning을 위한 toplogy-aware 지오메트릭 임베딩을 개발합니다.

toplogy-aware 지오메트릭 임베딩: 이 섹션에서는 toplogy-aware 지오메트릭 임베딩을 정의하고, 그에 대한 변환을 정의합니다.

중추 가설

중추 가설은 의미적 정밀성과 계산적 트랙터블성을 조화시키는 tailored reasoning 기법, 즉 대수적, 논리적, 그리고 지오메트릭 접근이 reconcile할 수 있다는 것입니다.

원문 보기 arXiv AI

함께 읽으면 좋은 기사

AI 모델 2일 전

Anthropic의 연간 매출액 6,500억 달러로 급증

모델 제작자(MODEL MAKER)는 2개월 만에 연간 $18 억 달러의 매출을 추가했다.

AI 모델 2일 전

아마존이 책을 처음으로 판매하기 시작한 이후로 귀중한 책을 파괴하여 AI를 교육하고 있습니다.

진귀한 책들은 대규모 언어 모델(LLM) 교육에 매우 가치가 높다. 왜냐하면 이 모델들은 이미 온라인에서 접근할 수 있는 모든 것을 통해 교육을 받았기 때문이다.

AI 모델 5일 전

구글 지니미(Google Gemini)의 보이는 워터마크를 끄는 방법이 나왔다!

구글은 이제 지니미와 플로(Google's AI video generator, Flow)에서 AI工具을 이용해 만든 미디어에 보이는 워터마크를 제거할 수 있는 기능을 제공합니다. 이 업데이트로, 사용자는 지니미와 플로의 새로운 '미디어 워터마크' 설정을 끌 수 있습니다. 워터마크가 끄면, 지니미에서 생성된 이미지, 비디오, 음악에 나타나는 '스파클(sparkle)' 워터마크가 사라집니다.

AI 모델 5일 전

애플, 중국 위해 알리바바와 함께 자체 AI 모델을 교육

애플은 중국 시장에 맞는 맞춤형 AI 모델을 중국 기술巨인 알리바바와 함께 개발하고 훈련했다고 보고되었다. 이는 베이징과 워싱턴 간 커져가는 긴장감을 무시하고 중국과 미국 사이에 드문 획기적인 협력이다. 알리바바의 지원을 받으며 개발된 중국을 대상으로 한 대규모 언어 모델(LLM) 훈련은 알리바바와 함께 개발되었으며, 리트저스는 훈련에 대한 지원을 받았다고 세 명의 익명한 사람들의 진술에 근

AI 모델 6일 전

대량 언어 모델(LLM) 개인화에 대한 대응: Meta-LoRA를 이용한 다원 도메인 선호도 학습

대규모 언어 모델(LLM)의 개인화를 위한 다원 도메인 선호도 학습은 새로운 대화 도메인에서 사용자 선호도에 맞는 응답을 생성하는 것을 목표로 합니다. 하지만 기존의 적응 방법은 적은 수의 대상 도메인 상호 작용만으로 업데이트한 크기를 조정하기 어려워 오버피팅을 일으키며, 역전파 방법은 사용자 선호도를 소스 도메인 오류와 혼동하여 불신할 수 있는 개인화 전제 조건과 부정적인 전이를 일으킵니다. 이러한 문제를 해결하기 위해, 우리는 PAC-Bayes-정규화된 Meta-LoRA를 제안하여, 업데이트한 크기를 증거의 질에 맞게 조정하고, 오버피팅을 최소화하며, 증거가 증가할 때 강한 개인화를 허용합니다.