Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Exploiting Uncertainty for Querying Inconsistent Description Logics Knowledge Bases

Created by
  • Haebom

저자

Riccardo Zese, Evelina Lamma, Fabrizio Riguzzi

개요

본 논문은 Semantic Web에서 다양한 정보원으로부터 오는 상반되는 정보로 인해 발생하는 Description Logics Knowledge Bases (KBs)의 불일치 문제를 다룹니다. 기존 추론 알고리즘은 불일치 KB를 처리하지 못하므로, 불일치를 제거하기 위해 KB 디버깅이 필요합니다. 본 논문에서는 DISPONTE라는 기존의 확률적 의미론을 활용하여 이 문제를 해결하고, 불일치 KB에서도 질의를 허용하는 방법을 제시합니다. TRILL과 BUNDLE 추론기에 해당 접근 방식을 구현하고 실험적으로 검증하였으며, 기존의 DL 추론 작업에서 가장 확립된 의미론 중 하나인 복구 의미론과의 공식적인 비교도 수행합니다.

시사점, 한계점

•
시사점:
◦
불일치가 있는 Description Logics Knowledge Bases에서도 질의를 가능하게 하는 새로운 방법 제시.
◦
DISPONTE라는 확률적 의미론을 활용하여 불일치 문제를 효과적으로 해결.
◦
TRILL과 BUNDLE 추론기 구현 및 실험적 검증을 통해 접근 방식의 유효성 확인.
◦
복구 의미론과의 공식적인 비교를 통해 제안된 접근 방식의 장단점을 명확히 제시.
•
한계점:
◦
DISPONTE 의미론의 특성 및 한계에 대한 심층적인 분석 부족.
◦
실험적 검증의 범위 및 데이터셋에 대한 자세한 설명 부족.
◦
복구 의미론과의 비교가 충분히 포괄적인지에 대한 추가적인 검토 필요.
◦
실제 대규모 KB에 적용했을 때의 성능 및 확장성에 대한 평가 부족.
👍
Made with Slashpage