arXiv cs.AI· Bente Gortworst, Cem Okulmus, Magdalena Ortiz, Anni-Yasmin Turhan·· 11 小时前AI 评分18
从样例中学习形状：递归 SHACL 中形状学习的理论基础
Shapes from Examples: Foundations of Shape Learning in Recursive SHACL
AI 导读
研究从正负样例节点集合 P 和 N 出发，计算 SHACL 形状表达式 C 使其验证 P 中全部节点且不验证 N 中任何节点，C 采用对应 Description Logic ELI* 的 SHACL 核心片段。针对 well-founded、stable 和 supported 三种语义，论文解决了拟合存在性与最具体拟合计算问题，给出紧的指数时间上界，并在相关特例上得到多项式界。
正文 · AI 翻译
摘要：SHACL 形状可实现数据图验证，因此自动形状学习对知识图谱应用至关重要。我们研究该任务中著名的拟合方法：给定输入图中的正例节点集 P 和负例节点集 N，计算一个形状表达式 C（可能使用递归形状目录中定义的形状名称），使其在 P 中的每个节点上验证通过，而在 N 中的任何节点上都不通过。我们关注 C 用 SHACL 的核心片段编写的情形，该片段对应描述逻辑 ELI*。对于形状目录，我们考虑良基语义、稳定语义和支持语义。我们研究拟合的存在性和最具体拟合的计算，为这两个问题建立了紧的指数时间上界，并为相关特殊情况获得了多项式界。
| 评论： | 被 ISWC26 接收的论文完整版 |
| 主题： | 人工智能（cs.AI）；计算机科学中的逻辑（cs.LO） |
| 引用为： | arXiv:2607.27934 [cs.AI] |
| （或 arXiv:2607.27934v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2607.27934 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Cem Okulmus [查看电子邮件]
[v1]
2026年7月30日星期四 09:45:22 UTC（89 KB）
[v2]
2026年8月6日星期四 12:02:36 UTC（88 KB）
[v3]
2026年10月23日星期五 13:52:59 UTC（88 KB）
来源：arXiv cs.AI · arxiv.org