NeurOWL은 불완전한 OWL 온톨로지에서 후보 포섭 관계(subsumption)의 의미적 타당성을 판별하고, 타당하다면 누락된 공리를 포함한 논리적 설명까지 제시하는 신경-기호(neuro-symbolic) 프레임워크다. 이 과제는 포섭 검증과 온톨로지 귀추(abduction)를 통합한 것으로, 누락 공리 후보 집합을 미리 정의할 필요가 없다는 점에서 기존 귀추 방식을 일반화한다. LLM의 텍스트 의미와 온톨로지 임베딩의 형식 의미를 함께 활용해 검증과 귀추를 종단간(end-to-end)으로 수행한다. 의료·생물정보학 등 여러 도메인의 실제 온톨로지 평가에서 강건한 성능을 보여, 불완전한 지식 베이스 위에서의 실용적 추론 가능성을 입증했다.
- •불완전 온톨로지에서 비함의(non-entailed) 포섭의 타당성 판별과 누락 공리 설명 생성을 단일 과제로 통합
- •후보 공리 집합의 사전 정의가 필요 없어 기존 온톨로지 귀추(abduction)를 일반화
- •LLM 텍스트 의미와 온톨로지 임베딩의 형식 의미를 결합한 종단간 신경-기호 구조
- •의료·생물정보학 등 다양한 도메인의 실제 온톨로지에서 강건한 성능 확인
NeurOWL: An LLM-Based Neural-symbolic Framework for Incomplete OWL Ontology Reasoning
- 1.불완전 OWL 온톨로지에서 비함의 포섭관계의 타당성 검증과 누락 공리 설명을 동시 수행하는 NeurOWL 제안
- 2.포섭 검증과 온톨로지 귀추(abduction)를 통합, 사전 정의된 후보 공리 집합이 불필요
- 3.LLM의 텍스트 의미와 온톨로지 임베딩의 형식 의미를 결합한 엔드투엔드 뉴로심볼릭 구조
- 4.의료·바이오인포매틱스 등 실제 다중 도메인 온톨로지 평가에서 견고한 성능 확인
왜 중요한가?
실무 온톨로지 대부분이 불완전해 시맨틱 추론이 막히는 고질적 문제를 누락 공리까지 논리적으로 설명하는 방식으로 다뤄, 지식그래프·시맨틱 검색 시스템의 유지보수 도구로 활용 가능성이 있다.
🏷️ 언급 프로젝트
본문 미리보기
arXiv:2607.15776v1 Announce Type: new Abstract: OWL ontologies provide a formal knowledge representation framework that enables semantic reasoning, and have been widely adopted across domains such as healthcare and bioinformatics. In practice, however, real-world ontologies are often incomplete, which pose challenges for reasoning. In this work, we focus on a fundamental subsumption reasoning problem: given an incomplete ontology and a candidate (non-entailed) subsumption, determine whether the
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
