基于概念语义的描述逻辑 ALC 推理
本文提出了一种基于范畴论语义学的机器学习方法,使用 CatE 投影生成本体公理图表示,并应用于多种任务,展示了其超越了其他本体嵌入方法的局限性,并在生物医学领域的机器学习任务中优于现有的模型论本体嵌入方法。
May, 2023
研究了描述逻辑 (DL) TBox 的表达能力,相对于一阶逻辑,基于诸如双仿、等仿、不交并和直积等语义概念,特征化了 AL、ALCQIO、DL-Lite 和 EL 等表达 DL TBoxes 的各种 DL。通过对于 DL TBox 可以被等价地重写为 L' 片段的 TBox 决策问题的首次研究,阐明了特征化的使用。
Apr, 2011
本文提出了将模态逻辑和描述逻辑自动推理任务编码为 SAT 的方法,并测试表明这种方法可以处理大多数或所有的问题,并且性能与现有的最先进工具相当甚至更好。
Jan, 2014
本文介绍了一种算法,能够在考虑一般性概念包含公理和角色层级的情况下,决定具有传递和逆角色以及功能约束的 DL ALC 的可满足性,同时研究了这类 DL 的可决定性的限制,并描述了一系列优化技术,这些技术对于获得具有实际问题良好性能的决策过程实现至关重要。
May, 2000
在扩展 ALC 描述逻辑的决定性满足性检查和查询中,我们研究了非规则路径表达式的影响。我们重点研究了 ALCreg 和 ALCvpl,它们是使用正则和可见推动语言的路径表达式的扩展。
Jul, 2023
提出一种基于经典乘法线性逻辑的范畴文法,使用标记的端点将单词组成元组而不是抽象的 λ 项,称为 Multiwords;Multiwords 可以组成一个具有基本代数结构的类别,并且研究它可能有助于理解语言语义和为其他形式主义提供分类表示。
Oct, 2018
提出有界拟合作为一种模式学习的方案,该方案可以在本体存在的情况下学习描述逻辑概念,并且称之为 PAC 学习的通用性具有理论保证。同时,我们提供了一种名为 SPELL 的系统,其基于 SAT 求解器高效实施了有界拟合,并将其表现与最先进的学习者进行了比较。
May, 2023
我们介绍了一个能够构建表达式描述逻辑 ALC 扩展的序列系统的框架。我们的框架不仅涵盖了各种常见的描述逻辑,而且还允许获取具有特殊公式的扩展描述逻辑的序列系统,我们称之为 “角色关系公理”。所有的序列系统都是声音和完整性,并具有高度保持常见结构规则的可容许性和高度保持规则的可逆性。
Jun, 2022