論文の概要: Analogy-Making as a Core Primitive in the Software Engineering Toolbox
- arxiv url: http://arxiv.org/abs/2009.06592v1
- Date: Mon, 14 Sep 2020 17:24:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 13:00:23.887381
- Title: Analogy-Making as a Core Primitive in the Software Engineering Toolbox
- Title（参考訳）: ソフトウェアエンジニアリングツールボックスのコアプリミティブとしてのアナロジー作成
- Authors: Matthew Sotoudeh and Aditya V. Thakur
- Abstract要約: 我々は、アナログ作成はソフトウェア工学における中核的なプリミティブと見なされるべきである、と論じている。
我々は、ソフトウェア工学アプリケーションに適した新しいアナログ生成アルゴリズムであるSifterを用いて、このアイデアを実証する。
- 参考スコア（独自算出の注目度）: 7.396342576390398
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An analogy is an identification of structural similarities and
correspondences between two objects. Computational models of analogy making
have been studied extensively in the field of cognitive science to better
understand high-level human cognition. For instance, Melanie Mitchell and
Douglas Hofstadter sought to better understand high-level perception by
developing the Copycat algorithm for completing analogies between letter
sequences. In this paper, we argue that analogy making should be seen as a core
primitive in software engineering. We motivate this argument by showing how
complex software engineering problems such as program understanding and
source-code transformation learning can be reduced to an instance of the
analogy-making problem. We demonstrate this idea using Sifter, a new
analogy-making algorithm suitable for software engineering applications that
adapts and extends ideas from Copycat. In particular, Sifter reduces
analogy-making to searching for a sequence of update rule applications. Sifter
uses a novel representation for mathematical structures capable of effectively
representing the wide variety of information embedded in software. We conclude
by listing major areas of future work for Sifter and analogy-making in software
engineering.
- Abstract（参考訳）: 類似は、2つの対象の間の構造的類似性と対応の識別である。
アナロジー生成の計算モデルは、高レベルの人間の認知をよりよく理解するために認知科学の分野で広く研究されてきた。
例えば、メラニー・ミッチェルとダグラス・ホフスタッターは、文字列間の類似を補完するコピカットアルゴリズムを開発することで、高いレベルの知覚をよりよく理解しようとした。
本稿では,ソフトウェア工学において,アナログ作成は中核的なプリミティブと見なされるべきである,と論じる。
この議論は、プログラム理解やソースコード変換学習といった複雑なソフトウェア工学の問題を、アナログ生成問題の例に減らすことができることを示すことで動機付けている。
我々は、このアイデアを、Copycatのアイデアを適応し拡張するソフトウェア工学アプリケーションに適した、新しいアナロジー作成アルゴリズムであるSifterを使って実証する。
特に、Sifterは、一連の更新ルールアプリケーションを探すため、アナログ作成を減らす。
シフターは、ソフトウェアに埋め込まれた幅広い情報を効果的に表現できる数学的構造に新しい表現を用いる。
我々は、ソフトウェアエンジニアリングにおけるSifterと類推のための今後の仕事の主要な分野を列挙して結論付けます。
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) - "Like a Nesting Doll": Analyzing Recursion Analogies Generated by CS Students using Large Language Models [5.162225137921625]
優れたアナロジーは、馴染みのない概念と慣れ親しんだ概念のギャップを埋めることができ、理解を助ける魅力的な方法を提供する。
大規模言語モデル(LLM)、特にChatGPTが、需要に応じた個人関連アナロジーにどの程度アクセスできるかを検討する。
論文 参考訳（メタデータ） (2024-03-14T14:01:26Z) - ParallelPARC: A Scalable Pipeline for Generating Natural-Language Analogies [16.92480305308536]
複雑な段落に基づくアナロジーを作成するパイプラインを開発する。
我々は人によって検証された金のセットと銀のセットを自動生成する。
私たちは、銀のセットがトレーニングモデルに役立つことを実証します。
論文 参考訳（メタデータ） (2024-03-02T08:53:40Z) - Life is a Circus and We are the Clowns: Automatically Finding Analogies
between Situations and Processes [12.8252101640812]
多くの研究が、新しいドメインに適応できる非脆性システムにとって、アナログが鍵であることを示唆している。
アナロジーの重要性にもかかわらず、NLPコミュニティではほとんど注目されなかった。
論文 参考訳（メタデータ） (2022-10-21T18:54:17Z) - A modular software framework for the design and implementation of
ptychography algorithms [55.41644538483948]
我々は,Pychographyデータセットをシミュレートし,最先端の再構築アルゴリズムをテストすることを目的とした,新しいptychographyソフトウェアフレームワークであるSciComを紹介する。
その単純さにもかかわらず、ソフトウェアはPyTorchインターフェースによる高速化処理を利用する。
結果は合成データと実データの両方で示される。
論文 参考訳（メタデータ） (2022-05-06T16:32:37Z) - Neural Logic Analogy Learning [33.424692414746836]
文字文字列の類推は、人間にとって簡単と思われるが機械にとって難しい重要な類推学習課題である。
本稿では、微分可能な論理推論によって駆動される動的ニューラルネットワークアーキテクチャであるニューラル論理類似学習(Noan)を提案する。
Noanは、論理変数をベクトル埋め込みとして学び、ニューラルモジュールとして各論理演算を学習する。
論文 参考訳（メタデータ） (2022-02-04T23:35:53Z) - On the validity of pre-trained transformers for natural language
processing in the software engineering domain [78.32146765053318]
ソフトウェア工学データを用いて訓練されたBERT変換器モデルと一般領域データに基づく変換器との比較を行った。
ソフトウェアエンジニアリングのコンテキストを理解するために必要なタスクに対しては,ソフトウェアエンジニアリングデータの事前学習が重要であることを示す。
論文 参考訳（メタデータ） (2021-09-10T08:46:31Z) - Thinking Like Transformers [64.96770952820691]
本稿では,プログラミング言語の形式で変換器エンコーダの計算モデルを提案する。
RASPは、トランスフォーマーによって確実に学習できるタスクの解決策をプログラムするのにどのように使えるかを示す。
ヒストグラム、ソート、ダイク言語のためのRASPプログラムを提供する。
論文 参考訳（メタデータ） (2021-06-13T13:04:46Z) - Information Theoretic Meta Learning with Gaussian Processes [74.54485310507336]
情報理論の概念,すなわち相互情報と情報のボトルネックを用いてメタ学習を定式化する。
相互情報に対する変分近似を用いることで、メタ学習のための汎用的かつトラクタブルな枠組みを導出する。
論文 参考訳（メタデータ） (2020-09-07T16:47:30Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z) - Learning to See Analogies: A Connectionist Exploration [0.0]
この論文は、Analogatorと呼ばれるコンピュータプログラムの開発を通じて、学習と類推の統合を探求している。
多くの異なる類推問題を「見る」ことで、可能な解とともに、アナロゲータは徐々に新しい類推を創り出す能力を発展させている。
論文 参考訳（メタデータ） (2020-01-18T14:06:16Z)
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。