发表机构
TU Wien; Paderborn University（维也纳技术大学; 帕德博恩大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文研究递归SHACL中的形状学习基础，针对知识图谱的SHACL形状拟合任务，解决了不同语义下的拟合存在性与最具体拟合计算问题，明确了相关问题的时间复杂度上界。
AI 中文摘要
SHACL形状支持数据图验证，因此自动形状学习对知识图谱应用至关重要。我们研究该任务的知名拟合方法：给定输入图中的正例节点集P和负例节点集N，计算形状表达式C（可使用递归形状目录中定义的形状名称），使其对P中所有节点有效、对N中所有节点无效。我们聚焦于C对应描述逻辑ELI的SHACL核心片段的情况，针对形状目录考虑良基、稳定和支持语义，解决了拟合存在性及最具体拟合计算问题，为这两个问题建立了严格的指数时间上界，并在相关特殊情况中得到多项式时间上界。
英文摘要
SHACL shapes enable data graph validation, making automatic shape learning essential for knowledge graph applications. We investigate the well-known fitting approach to this task: given sets P and N of positive and negative example nodes from an input graph, compute a shape expression C, possibly using shape names defined in a recursive shape catalogue, that validates at every node in P and none in N. We focus on the case where C is written in a core fragment of SHACL corresponding to the Description Logic ELI. For the catalogue, we consider the well-founded, stable, and supported semantics. We address fitting existence and most specific fitting computation, establish tight exponential-time upper bounds for both problems, and obtain polynomial bounds for relevant special cases.
Commentsfull version of a paper accepted at ISWC26
