Quadro modulare per il ragionamento sull'incertezza nei grafi di conoscenza

Una recente tesi presenta un approccio modulare progettato per il ragionamento scalabile sull'incertezza all'interno dei grafi di conoscenza, affrontando tre tipi specifici di incertezza: valori di attributi vaghi, esistenza probabilistica di triple e conoscenza incompleta dello schema. Questo quadro incorpora letterali probabilistici insieme a un'algebra di query adattata per attributi continui, un metodo che converte la provenienza SPARQL in circuiti probabilistici gestibili e embeddings geometrici sensibili alla topologia per il ragionamento statistico sullo schema. La ricerca cerca di affrontare l'assenza di supporto nativo per l'incertezza negli attuali standard del Web Semantico, che spesso comporta sfide computazionali. L'affermazione principale è che metodi di ragionamento distinti—algebrico, logico e geometrico—possono gestire efficacemente ciascun livello di incertezza. La tesi è disponibile su arXiv con ID 2605.16568.