Moose: Un Nuovo Metodo Neuro-Simbolico per le Ontologie OWL EL

Un nuovo approccio di apprendimento neuro-simbolico chiamato Moose è stato sviluppato dai ricercatori per il profilo OWL 2 EL, che supporta estese ontologie di produzione come la Gene Ontology e SNOMED CT. A differenza delle attuali tecniche neuro-simboliche che utilizzano teorie proposizionali o Datalog, Moose trasforma una TBox EL++ e una ABox finita in un Diagramma di Decisione Sentenziale (SDD), funzionando come un livello differenziabile di conteggio di modelli pesati. Per migliorare la limitata espressività di EL++ in scenari di supervisione parziale, vengono incorporate clausole di chiusura oltre il profilo EL++ su famiglie esaustive specificate. Il metodo garantisce terminazione, correttezza, completezza e mantiene dimensioni intermedie polinomiali, con prove confermate in Lean. Moose introduce anche il primo compito formale di apprendimento di concetti latenti con supervisione parziale per un'ontologia OWL EL, facilitando classificatori individuali per concetti latenti. Questa ricerca è accessibile su arXiv (2608.12961), promuovendo la fusione di ragionamento simbolico e apprendimento automatico in contesti ontologici.