Neural Multi-hop Logical Query Answering with Concept-level Answers #200
Description
一言でいうと
概念レベルの回答を提供するニューラルマルチホップ論理クエリ応答（LQAC）の問題を定式化
著者/所属機関
Zhenwei Tang, Shichao Pei, Xi Peng, Fuzhen Zhuang, Xiangliang Zhang and Robert Hoehndorf
- University of Toronto, Toronto, ON, Canada
DOI
会議名(ジャーナル名)
The 22nd International Semantic Web Conference (ISWC2023)
トラック
Research Track
動機
論理クエリ応答（LQA）システムは、インスタンスレベルの回答のみを提供しており、ユーザーがより記述的な概念レベルの回答を求めるケースに対応できていなかった
手法
概念、インスタンス、クエリ間の関係性をモデル化するために、ファジィ集合演算を用いた複数の演算子を設計
背景
関係データの探索において論理クエリ応答は基本だが，概念レベルの回答を提供する能力が不足
結果
複数の実世界のデータセットにおいて，概念レベルとインスタンスレベルの両方のクエリで従来のLQAシステムを上回る
考察
バイオメディカルなど特定の分野における知識発見におけるLQACの重要性を強調
課題
ALC記述論理における概念記述を含むより複雑なオントロジーに対する拡張，および否定クエリの取り扱い
読んだ範囲
斜め読み程度