Fugu-MT 論文翻訳(概要): Inductive logic programming at 30: a new introduction

論文の概要: Inductive logic programming at 30: a new introduction

arxiv url: http://arxiv.org/abs/2008.07912v5
Date: Tue, 22 Mar 2022 10:44:16 GMT
ステータス: 処理完了
システム内更新日: 2022-10-27 20:47:17.664113
Title: Inductive logic programming at 30: a new introduction
Title（参考訳）: 帰納的論理プログラミングの30年:新しい紹介
Authors: Andrew Cropper and Sebastijan Duman\v{c}i\'c
Abstract要約: 帰納論理プログラミング(英: Inductive logic programming、ILP)は、機械学習の一種である。本稿では,必要な論理的表記法と主学習設定を紹介する。また、ILPシステムの構築ブロックを記述し、複数のシステムを比較した。
参考スコア（独自算出の注目度）: 18.27510863075184
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Inductive logic programming (ILP) is a form of machine learning. The goal of ILP is to induce a hypothesis (a set of logical rules) that generalises training examples. As ILP turns 30, we provide a new introduction to the field. We introduce the necessary logical notation and the main learning settings; describe the building blocks of an ILP system; compare several systems on several dimensions; describe four systems (Aleph, TILDE, ASPAL, and Metagol); highlight key application areas; and, finally, summarise current limitations and directions for future research.
Abstract（参考訳）: 帰納的論理プログラミング(ilp)は機械学習の一形態である。 ILPの目標は、トレーニング例を一般化する仮説(論理規則の集合)を誘導することである。 ILPが30歳になったとき、私たちは新しい分野を紹介します。必要な論理表記法と主学習設定,ILPシステムの構築ブロックの記述,複数次元のシステムの比較,4つのシステム(Aleph,TILDE,ASPAL,Metagol)の説明,主要な適用領域の強調,そして最後に,今後の研究の限界と方向性を要約する。

関連論文リスト

Improving Complex Reasoning over Knowledge Graph with Logic-Aware Curriculum Tuning [89.89857766491475]
大規模言語モデル(LLM)に基づくKG上の複雑な推論スキーマを提案する。任意の一階論理クエリを二分木分解により拡張し、LLMの推論能力を刺激する。広く使われているデータセットに対する実験では、LACTは高度な手法よりも大幅に改善されている(平均+5.5% MRRスコア)。
論文参考訳（メタデータ） (2024-05-02T18:12:08Z)
Discourse-Aware Graph Networks for Textual Logical Reasoning [142.0097357999134]
パッセージレベルの論理関係は命題単位間の係り合いまたは矛盾を表す(例、結論文) 論理的推論QAを解くための論理構造制約モデリングを提案し、談話対応グラフネットワーク(DAGN)を導入する。ネットワークはまず、インラインの談話接続とジェネリック論理理論を利用した論理グラフを構築し、その後、エッジ推論機構を用いて論理関係を進化させ、グラフ機能を更新することで論理表現を学習する。
論文参考訳（メタデータ） (2022-07-04T14:38:49Z)
Preprocessing in Inductive Logic Programming [0.0]
この論文は、IPPシステムの初期制約を生成する方法であるボトム前処理を導入している。ボトム前処理は、逆エンターメントのアイデアを現代のILPシステムに適用する。実験により, 底面前処理は, 難題におけるILPシステムの学習時間を短縮できることが示された。
論文参考訳（メタデータ） (2021-12-21T16:01:28Z)
How could Neural Networks understand Programs? [67.4217527949013]
ソースコードにnlpプリトレーニング技術を直接適用するか、あるいはtheshelfによってモデルに機能を追加するかで、プログラムをより理解するためのモデルを構築するのは難しい。本研究では,(1)操作セマンティクスの基本操作とよく一致する表現と(2)環境遷移の情報からなる情報から,モデルが学ぶべき新しいプログラムセマンティクス学習パラダイムを提案する。
論文参考訳（メタデータ） (2021-05-10T12:21:42Z)
EXPLAINABOARD: An Explainable Leaderboard for NLP [69.59340280972167]
ExplainaBoardはNLP評価の新たな概念化と実装である。研究者は(i)一つのシステムの強みと弱さを診断し、(ii)複数のシステム間の関係を解釈することができる。
論文参考訳（メタデータ） (2021-04-13T17:45:50Z)
Inductive logic programming at 30 [22.482292439881192]
インダクティブ・ロジック・プログラミング(Inductive logic programming、ILP)は、論理ベースの機械学習の一種である。我々は, (i) 新しいメタレベル探索法, (ii) 述語化のための新しいアプローチ, (iv) 異なる技術の利用に焦点を当てた。 ILPの現在の限界について論じ、今後の研究の方向性について論じる。
論文参考訳（メタデータ） (2021-02-21T08:37:17Z)
RNNLogic: Learning Logic Rules for Reasoning on Knowledge Graphs [91.71504177786792]
本稿では知識グラフに基づく推論のための論理規則の学習について研究する。論理規則は、予測に使用されるときに解釈可能な説明を提供するとともに、他のタスクに一般化することができる。既存の手法は、検索スペースの検索の問題や、スパース報酬による非効率な最適化に悩まされている。
論文参考訳（メタデータ） (2020-10-08T14:47:02Z)
The ILASP system for Inductive Learning of Answer Set Programs [79.41112438865386]
我々のシステムは、通常の規則、選択規則、厳しい制約を含むアンサーセットプログラムを学習する。まず、ILASPの学習フレームワークとその機能の概要を説明します。続いて、ILASPシステムの進化を概観する。
論文参考訳（メタデータ） (2020-05-02T19:04:12Z)
Learning large logic programs by going beyond entailment [18.27510863075184]
プログラムをインクリメンタルに構築するために、サンプル依存の損失関数によって誘導される最良優先探索を利用する新しいILPシステムであるBruteで、我々のアイデアを実装した。実験の結果,Bruteは予測精度と学習時間で既存のILPシステムを大幅に上回っていることがわかった。
論文参考訳（メタデータ） (2020-04-21T09:31:06Z)
Turning 30: New Ideas in Inductive Logic Programming [18.581514902689346]
帰納論理プログラミングは、データから論理プログラムを誘導する機械学習の一種である。少数の事例から一般化したプログラムの学習方法に焦点をあてる。また、帰納論理プログラミングにおける今後の研究の方向性についても論じる。
論文参考訳（メタデータ） (2020-02-25T16:23:11Z)

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。