Technical Report: Computing Incoherence Explanations for Learned Ontologies

URL:	http://publications.wim.uni-mannheim.de/informatik...
Weitere URL:	http://web.informatik.uni-mannheim.de/trex/techrep...
Dokumenttyp:	Arbeitspapier
Erscheinungsjahr:	2013
Ort der Veröffentlichung:	Mannheim
Sprache der Veröffentlichung:	Englisch
Einrichtung:	Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik > Practical Computer Science II: Artificial Intelligence (Stuckenschmidt 2009-)
Fachgebiet:	004 Informatik
Abstract:	Recent developments in ontology learning research have made it possible to generate significantly more expressive ontologies. Novel approaches can support human ontology engineers in rapidly creating logically complex and richly axiomatized schemas. Although the higher complexity increases the likelihood of modeling flaws, there is currently little tool support for diagnosing and repairing ontologies produced by automated approaches. Off-the-shelf debuggers based on logical reasoning struggle with the particular characteristics of learned ontologies. They are mostly inefficient when it comes to detecting modeling flaws, or highlighting all of the logical reasons for the discovered problems. In this paper, we propose a reasoning approach for discovering unsatisfiable classes and properties that is optimized for handling automatically generated, expressive ontologies. We describe our implementation of this approach, which we evaluated by comparing it with state-of-the-art reasoners.

Dieser Eintrag ist Teil der Universitätsbibliographie.

BASE: Fleischhacker, Daniel ; Meilicke, Christian ; Völker, Johanna ; Niepert, Mathias

Google Scholar: Fleischhacker, Daniel ; Meilicke, Christian ; Völker, Johanna ; Niepert, Mathias

ORCID: Fleischhacker, Daniel, Meilicke, Christian

, Völker, Johanna and Niepert, Mathias

Aufrufe im letzten Jahr

Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail

Eintrag anzeigen