CatE:利用范畴论语义嵌入 $\mathcal {ALC}$ 本体
文章研究了不同的图投影方法对本体学习中嵌入生成和公理预测性能的影响。研究发现,不同的投影方法以及本体知识表示上的选择都会对公理预测产生重要影响。
Mar, 2023
本文通过使用范畴语言重新表达了具有一般 TBox 的描述逻辑 ALC 通常的集合论语义,从而为 ALC 的语义提供了一种更模块化的表示。我们展示了一个多项式空间的确定性算法用于检查概念满足性的子逻辑,该子逻辑在传统的集合论语义中是无法定义的。
May, 2022
本研究在解决如何为复杂的信息或知识库创建向量空间嵌入,以便于机器学习、相似性搜索或类似任务时能更有效地用于预测蛋白质相互作用。
Feb, 2019
本文系统回顾了本体嵌入领域的 80 多篇论文,介绍了本体的不同语义以及数学和机器学习的视角下的本体嵌入的定义和特性,并对几种技术解决方案进行了分类和分析,包括几何建模、序列建模和图传播等。此外,还介绍了本体嵌入在本体工程、机器学习增强和生命科学中的应用,并讨论了挑战和未来方向。
Jun, 2024
通过本研究,我们提出了一种基于本体对齐的方法 SLHCat,利用知识图谱结构和本体类名的词汇和语义特征,自动发现自信的映射,并使用远程监督方式微调预训练语言模型 BERT,以捕捉类名的语义和句法属性。在基准数据集上进行评估,SLHCat 模型在大规模本体映射中较基准模型准确率提高了 25%的显著优势,为实现实际的解决方案提供了可能。
Sep, 2023
CAT 是一种语境化的概念归纳和实例化的半监督学习框架,可大规模概念化常识知识库,并通过实验证明,其获得的抽象常识知识可以显著提高常识推理建模的准确性。
May, 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
该论文提出了范畴论和计算语言学之间的翻译作为自然语言处理的基础,结合语法、语义和语用三个方面,以字符串图表达统一的句法结构,利用函子将图表达式计算为逻辑、张量、神经或量子计算的语义,通过组成游戏将生成的函子模型进行组合,从而解决语言处理任务。DisCoPy 是用于计算字符串图的 Python 库的一部分,将得到的范畴、语言和计算结构之间的对应关系描述,并通过组合的自然语言处理应用进行演示。
Dec, 2022
使用模糊逻辑算子生成任意 ALC 本体的模型结构并使用多个模型结构计算语义蕴涵,FALCON 可以实现对 ALC 本体的近似语义蕴涵,从而赋予神经网络世界模型和推理能力,提升生物医学领域中的机器学习。
Aug, 2022