[논문] 더 많이 합친 특성으로 EL봇 ABox 추론(수리 의미)

출처: arXiv - 2606.19197v1

Overview

위축(abduction)은 지식베이스에서 누락된 entailments을 설명하기 위한 핵심 접근법으로, 해당 entailment이 true가 되도록 지식베이스에 추가될 가설을 제공합니다. 수리(se) 의미론 하에서의 위축은 최근 상세히 연구되었으며, 서명 제한, 크기 최소화 및 도입된 충돌 최소화와 같은 여러 바람직한 특성과 최적성 기준이 고려되었습니다. 자연스럽게, 이러한 속성을 만족하거나 속성과 최적성 기준을 결합하는 가설은 응용에 더 매력적입니다. 지금까지 이러한 가설들은 문헌에서 조사되지 않았습니다. 본 논문에서는 EL_bot 아래에서 용감(brave) 및 AR 의미론 하의 ABox 위축 문제를, 하나의 속성을 초과하거나 추가 최적성 기준을 만족하는 가설에 대해 고려합니다. 주요 관찰은 추가 속성을 요구하면 종종 복잡도가 증가하지 않다는 것입니다.

Key Contributions

본 논문은 다음 분야의 연구를 제시합니다:

• cs.LO
• cs.AI

Methodology

자세한 방법론은 논문 전체를 참고하십시오.

Practical Implications

본 연구는 cs.LO의 발전에 기여합니다.

Authors

• Anselm Haak
• Patrick Koopmann
• Yasir Mahmood
• Anni-Yasmin Turhan

Paper Information

• arXiv ID: 2606.19197v1
• Categories: cs.LO, cs.AI
• Published: 2026년 6월 17일
• PDF: Download PDF