BoxLitE: Ottimizzazione Convessa per Embedding di Knowledge Base

È stato introdotto un nuovo modello di embedding per knowledge base chiamato BoxLitE, progettato per DL-Lite$^{\mathcal{H}}$ e che consente l'ottimizzazione convessa. Il modello mappa i concetti in regioni convesse dello spazio vettoriale, permettendo ai concetti più generali di contenere quelli più specifici, il che è utile per rappresentare gerarchie nei TBox. Gli autori dimostrano che per qualsiasi KB DL-Lite$^{\mathcal{H}}$ soddisfacibile, esiste un embedding BoxLitE debolmente fedele. L'approccio formula il compito di embedding come un problema di ottimizzazione convessa, sfruttando la convessità durante l'apprendimento. Questo lavoro colma una lacuna in cui la convessità era raramente utilizzata nei compiti di apprendimento reali nonostante i suoi vantaggi rappresentazionali. L'articolo è disponibile su arXiv con ID 2605.23937.