Apprendimento di Forme in SHACL Ricorsivo: Fondamenti e Complessità

Una recente pubblicazione su arXiv (ID 2607.27934) intitolata 'Forme da Esempi: Fondamenti dell'Apprendimento di Forme in SHACL Ricorsivo' esplora l'apprendimento automatico di forme SHACL utilizzando dati di esempio. La ricerca enfatizza un metodo di adattamento, mirando a derivare un'espressione di forma che autentichi tutti gli esempi positivi escludendo quelli negativi da insiemi di nodi in un grafo di input. Approfondisce forme formulate all'interno di un frammento centrale di SHACL collegato alla Logica di Descrizione ELI, analizzando semantiche ben fondate, stabili e supportate per cataloghi di forme ricorsive. Gli autori presentano limiti superiori temporali esponenziali stretti sia per l'esistenza dell'adattamento che per il calcolo dell'adattamento più specifico, insieme a limiti polinomiali per casi particolari. Questo studio è cruciale per le applicazioni di knowledge graph, poiché le forme SHACL svolgono un ruolo vitale nella validazione dei grafi di dati, rendendo l'apprendimento automatico delle forme chiave per garantire la qualità dei dati. L'articolo è stato sottomesso alla categoria Informatica > Intelligenza Artificiale ed è accessibile su arXiv.