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
- An epistemic logic for modeling decisions in the context of incomplete
knowledge [9.104555003332344]
本稿では,不完全な知識で意思決定をモデル化するための新しい言語を提案する。
成層化、自己認識論理、定義の3つの原則が組み合わさっている。
論文 参考訳(メタデータ) (2023-12-18T13:27:04Z) - 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) - From Heuristic to Analytic: Cognitively Motivated Strategies for
Coherent Physical Commonsense Reasoning [66.98861219674039]
ヒューリスティック分析推論(HAR)戦略は、モデル決定のための合理化のコヒーレンスを大幅に改善する。
以上の結果から, PLM推論の一貫性と信頼性を効果的に向上できる可能性が示唆された。
論文 参考訳(メタデータ) (2023-10-24T19:46:04Z) - Knowledge Crosswords: Geometric Reasoning over Structured Knowledge with
Large Language Models [51.35398315130094]
構造的知識に対する幾何学的推論を提案し、そこでは知識の一部がグラフ構造に連結され、モデルは不足した情報を埋める必要がある。
このような幾何学的知識推論は、構造化された知識、不確実性のある推論、事実の検証、エラーが発生した時のバックトラックを扱う能力を必要とする。
本稿では,不完全なエンティティネットワークの幾何学的制約を表す自然言語質問からなるマルチブランクQAデータセットであるKnowledge Crosswordsを提案する。
論文 参考訳(メタデータ) (2023-10-02T15:43:53Z) - 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) - From Robustness to Explainability and Back Again [0.685316573653194]
本稿では,形式的説明可能性のスケーラビリティの限界に対処し,形式的説明性を計算するための新しいアルゴリズムを提案する。
提案アルゴリズムは、その代わりに多数のロバストネスクエリに応答して説明を計算し、そのようなクエリの数は、機能数に対して最も線形である。
提案手法の有効性を検証する実験を行った。
論文 参考訳(メタデータ) (2023-06-05T17:21:05Z) - 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。