論文の概要: Reasoning with Contextual Knowledge and Influence Diagrams
- arxiv url: http://arxiv.org/abs/2007.00571v1
- Date: Wed, 1 Jul 2020 15:57:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 23:28:53.902254
- Title: Reasoning with Contextual Knowledge and Influence Diagrams
- Title（参考訳）: 文脈知識と影響図による推論
- Authors: Erman Acar and Rafael Pe\~naloza
- Abstract要約: インフルエンス・ダイアグラム(英語版)(ID)は、不確実性の下で決定状況をモデル化するためにベイズ的ネットワークを拡張するよく知られた形式主義である。
このような制限を克服するために、IDと軽量記述論理(DL)ELを補完する。
- 参考スコア（独自算出の注目度）: 4.111899441919165
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Influence diagrams (IDs) are well-known formalisms extending Bayesian
networks to model decision situations under uncertainty. Although they are
convenient as a decision theoretic tool, their knowledge representation ability
is limited in capturing other crucial notions such as logical consistency. We
complement IDs with the light-weight description logic (DL) EL to overcome such
limitations. We consider a setup where DL axioms hold in some contexts, yet the
actual context is uncertain. The framework benefits from the convenience of
using DL as a domain knowledge representation language and the modelling
strength of IDs to deal with decisions over contexts in the presence of
contextual uncertainty. We define related reasoning problems and study their
computational complexity.
- Abstract（参考訳）: 影響図 (ids) は、ベイズネットワークを拡張して不確実性の下で決定状況をモデル化するよく知られた形式である。
決定論的ツールとして便利であるが、その知識表現能力は論理的一貫性など他の重要な概念を捉える際に制限される。
このような制限を克服するために、IDと軽量記述論理(DL)ELを補完する。
DL公理がいくつかの文脈で保持される設定を考えるが、実際の文脈は不確かである。
このフレームワークは、ドメイン知識表現言語としてDLを使用することの利便性と、コンテキスト不確実性の存在下でのコンテキストに関する決定を扱うためのIDのモデリング強度から恩恵を受ける。
関連する推論問題を定義し,計算複雑性を考察する。
関連論文リスト
- Instantiation-based Formalization of Logical Reasoning Tasks using Language Models and Logical Solvers [4.897782942277061]
本稿では,SSV(Semantic Self-Verification)を導入し,自然言語から解法の形式言語への推論問題を正確に定式化する手法を提案する。
SSVは一貫性に基づくアプローチを用いて、モデルによって生成され、解決者によって検証される具体的なインスタンス化を用いて、問題の強力な抽象的な形式化を生成する。
このような*ほぼ確実な推論*は、多くの場合、手動検証の必要性を減らすための新しいアプローチとして提案され、より信頼性が高く自律的なAI推論システムに近づきます。
論文 参考訳（メタデータ） (2025-01-28T14:04:49Z) - Understanding the Relationship between Prompts and Response Uncertainty in Large Language Models [55.332004960574004]
大規模言語モデル(LLM)は意思決定に広く使用されているが、特に医療などの重要なタスクにおける信頼性は十分に確立されていない。
本稿では,LSMが生成する応答の不確実性が,入力プロンプトで提供される情報とどのように関連しているかを検討する。
本稿では,LLMが応答を生成する方法を説明し,プロンプトと応答の不確実性の関係を理解するためのプロンプト応答の概念モデルを提案する。
論文 参考訳（メタデータ） (2024-07-20T11:19:58Z) - Large Language Models are Limited in Out-of-Context Knowledge Reasoning [65.72847298578071]
大規模言語モデル (LLMs) は、文脈内推論の実行において広範な知識と強力な能力を持っている。
本稿では、複数の知識を組み合わせて新しい知識を推論する、文脈外知識推論(OCKR)という、文脈外推論の重要な側面に焦点を当てる。
論文 参考訳（メタデータ） (2024-06-11T15:58:59Z) - Argumentative Large Language Models for Explainable and Contestable Decision-Making [13.045050015831903]
本稿では,議論的推論を用いた大規模言語モデルの拡張手法であるArgLLMsを紹介する。
ArgLLMsは議論フレームワークを構築し、意思決定を支援するための公式な推論の基礎となる。
我々はArgLLMsの性能を最先端技術と比較して実験的に評価した。
論文 参考訳（メタデータ） (2024-05-03T13:12:28Z) - A Principled Framework for Knowledge-enhanced Large Language Model [58.1536118111993]
大規模言語モデル(LLM)は汎用性があるが、深い信頼性のある推論を必要とするタスクに悩まされることが多い。
本稿では、知識を効果的に固定し、閉ループ推論プロセスを用いるLLMを作成するための厳密な設計のフレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-18T18:10:02Z) - A Semantic Approach to Decidability in Epistemic Planning (Extended
Version) [72.77805489645604]
我々は決定可能性を達成するために新しい意味論的アプローチを用いる。
具体的には、知識の論理S5$_n$と(知識)可換性と呼ばれる相互作用公理を拡大する。
我々は,本フレームワークが,独立した知識である共通知識の有限的非固定点的特徴を認めていることを証明した。
論文 参考訳（メタデータ） (2023-07-28T11:26:26Z) - ChatABL: Abductive Learning via Natural Language Interaction with
ChatGPT [72.83383437501577]
大規模言語モデル(LLM)は、最近数学的な能力において大きな可能性を証明している。
LLMは現在、認識、言語理解、推論能力のブリッジングに困難を抱えている。
本稿では, LLMを帰納学習フレームワークに統合する新しい手法を提案する。
論文 参考訳（メタデータ） (2023-04-21T16:23:47Z) - Admissibility in Strength-based Argumentation: Complexity and Algorithms
(Extended Version with Proofs) [1.5828697880068698]
我々は、適応性に基づく意味論の強度に基づく論証フレームワーク(StrAF)への適応について研究する。
特に文献で定義された強い許容性は望ましい性質、すなわちDungの基本的な補題を満たさないことを示す。
計算(強弱)拡張に対する擬ブール制約の翻訳を提案する。
論文 参考訳（メタデータ） (2022-07-05T18:42:04Z) - Quantification and Aggregation over Concepts of the Ontology [0.0]
いくつかのKRアプリケーションでは、ボキャブラリのシンボルによって形式的に表される概念の集合を定量化したいと論じる。
本稿では,このような抽象化をサポートする一階述語論理の拡張について述べる。
論文 参考訳（メタデータ） (2022-02-02T07:49:23Z) - Leveraging Unlabeled Data for Entity-Relation Extraction through
Probabilistic Constraint Satisfaction [54.06292969184476]
シンボリックドメイン知識の存在下でのエンティティ関係抽出の問題を研究する。
本手法では,論理文の正確な意味を捉える意味的損失を用いる。
低データ体制に焦点をあてて、セマンティックな損失がベースラインをはるかに上回ることを示す。
論文 参考訳（メタデータ） (2021-03-20T00:16:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。