論文の概要: Negation in Cognitive Reasoning

• arxiv url: http://arxiv.org/abs/2012.12641v1
• Date: Wed, 23 Dec 2020 13:22:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-25 18:11:36.753480
• Title: Negation in Cognitive Reasoning
• Title（参考訳）: 認知推論における否定
• Authors: Claudia Schon, Sophie Siebert, Frieder Stolzenburg
• Abstract要約: 否定は形式論理と自然言語の操作である。 認知推論の1つのタスクは、自然言語で文によって与えられた質問に答えることである。
• 参考スコア（独自算出の注目度）: 0.5801044612920815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Negation is both an operation in formal logic and in natural language by which a proposition is replaced by one stating the opposite, as by the addition of "not" or another negation cue. Treating negation in an adequate way is required for cognitive reasoning, which comprises commonsense reasoning and text comprehension. One task of cognitive reasoning is answering questions given by sentences in natural language. There are tools based on discourse representation theory to convert sentences automatically into a formal logical representation. However, since the knowledge in logical databases in practice always is incomplete, forward reasoning of automated reasoning systems alone does not suffice to derive answers to questions because, instead of complete proofs, often only partial positive knowledge can be derived. In consequence, negative information from negated expressions does not help in this context, because only negative knowledge can be derived from this. Therefore, we aim at reducing syntactic negation, strictly speaking, the negated event or property, to its inverse. This lays the basis of cognitive reasoning employing both logic and machine learning for general question answering. In this paper, we describe an effective procedure to determine the negated event or property in order to replace it with it inverse and our overall system for cognitive reasoning. We demonstrate the procedure with examples and evaluate it with several benchmarks.
• Abstract（参考訳）: 否定は、形式論理学と自然言語における操作であり、命題は「ノー」または「他の否定のキュー」の追加によって、反対を表すものに置き換えられる。 コモンセンス推論とテキスト理解を含む認知的推論には、適切な方法で否定を扱う必要がある。 認知的推論の1つの課題は、自然言語の文によって与えられる質問に答えることである。 言論表現理論に基づくツールがあり、文を自動的に形式論理表現に変換する。 しかし、論理データベースにおける知識は常に不完全であるため、自動推論システムの前方推論だけでは、完全な証明の代わりに部分的正の知識のみを導出できるため、質問に対する答えを導出するのに十分ではない。 結果として、否定表現からの負の情報はこの文脈では役に立たない。 したがって, 厳密に言えば, 否定された事象や性質を逆数に還元することを目指す。 これは、一般的な質問応答に論理と機械学習の両方を用いる認知的推論の基礎となる。 本稿では,否定された事象や性質を逆系や認知的推論システムで置き換えるための効果的な手順について述べる。 この手順を実例で示し,いくつかのベンチマークを用いて評価する。

関連論文リスト

• Paraphrasing in Affirmative Terms Improves Negation Understanding [9.818585902859363]
  否定は共通の言語現象である。 本研究では,否定を伴う推論を必要とする大規模コーパスであるCondaQAの改良と5つの自然言語理解タスクを示す。
  論文  参考訳（メタデータ） (2024-06-11T17:30:03Z)
• Logical Negation Augmenting and Debiasing for Prompt-based Methods [19.879616265315637]
  本稿では,一階述語論理推論におけるプロンプトに基づく手法の有効性に着目した。 ボトルネックは論理的否定にあることが分かっています。 提案手法は単純だが効果的なネガゲーション拡張とネガゲーションデバイアスリングである。
  論文  参考訳（メタデータ） (2024-05-08T08:05:47Z)
• Contrastive Chain-of-Thought Prompting [74.10511560147293]
  本稿では,言語モデル推論を強化するために,思考の対照的な連鎖を提案する。 従来の思考の連鎖と比較して,本手法は妥当かつ無効な推論実証を提供する。 推論ベンチマーク実験により、思考の対照的な連鎖は、思考の連鎖の促進に役立てることができることを示した。
  論文  参考訳（メタデータ） (2023-11-15T18:54:01Z)
• Language Models can be Logical Solvers [99.40649402395725]
  論理解法の推論過程を直接エミュレートする新しい言語モデルであるLoGiPTを導入する。 LoGiPTは、導出的ソルバの見えない推論過程を明らかにして精錬することから導かれる、新しく構築された命令チューニングデータセットに基づいて微調整される。
  論文  参考訳（メタデータ） (2023-11-10T16:23:50Z)
• Implicit Chain of Thought Reasoning via Knowledge Distillation [58.80851216530288]
  思考推論ステップの連鎖を明示的に生成する代わりに、言語モデルの内部の隠れ状態を使用して暗黙の推論を行います。 このアプローチにより、明示的にチェーン・オブ・シントなしでは解決不可能なタスクを、非チェーン・オブ・シントに匹敵する速度で解決できることが分かりました。
  論文  参考訳（メタデータ） (2023-11-02T17:59:49Z)
• Abductive Commonsense Reasoning Exploiting Mutually Exclusive Explanations [118.0818807474809]
  帰納的推論は、イベントのもっともらしい説明を見つけることを目的としている。 自然言語処理における帰納的推論のための既存のアプローチは、しばしば監督のために手動で生成されたアノテーションに依存している。 この研究は、ある文脈に対して、説明のサブセットのみが正しいという事実を活用する、帰納的コモンセンス推論のアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-24T01:35:10Z)
• Logical Reasoning over Natural Language as Knowledge Representation: A Survey [43.29703101875716]
  本稿では,自然言語を知識表現として,事前学習した言語モデルを推論として利用する論理推論の新しいパラダイムについて概説する。 この新たなパラダイムは、形式表現の多くの課題を軽減するだけでなく、エンドツーエンドのニューラルメソッドよりもアドバンテージを持つため、有望である。
  論文  参考訳（メタデータ） (2023-03-21T16:56:05Z)
• Language Models as Inductive Reasoners [125.99461874008703]
  本稿では,帰納的推論のための新しいパラダイム(タスク)を提案し,自然言語の事実から自然言語規則を誘導する。 タスクのための1.2kルールファクトペアを含むデータセットDEERを作成し,ルールと事実を自然言語で記述する。 我々は、事前訓練された言語モデルが自然言語の事実から自然言語規則をいかに誘導できるかを、初めてかつ包括的な分析を行う。
  論文  参考訳（メタデータ） (2022-12-21T11:12:14Z)
• Conversational Negation using Worldly Context in Compositional Distributional Semantics [0.0]
  一言で言えば、私たちのフレームワークは、人間が否定を知覚する方法に似た否定を作り出すことができます。 行列逆変換を用いた新しい論理否定の提案と動機付けを行う。 否定語に基づく減算否定と位相数の組み合わせは,人間の格付けと0.635の最も高いピアソン相関をもたらすと結論づけた。
  論文  参考訳（メタデータ） (2021-05-12T16:04:36Z)
• LOREN: Logic Enhanced Neural Reasoning for Fact Verification [24.768868510218002]
  本稿では,論理誘導推論とニューラル推論を統合したファクト検証手法であるLORENを提案する。 単一の推論ユニットを直接検証する代わりに、LORENはそれを質問応答タスクにします。 実験の結果,提案手法は他の方法よりも優れており,73.43%の発熱率を達成した。
  論文  参考訳（メタデータ） (2020-12-25T13:57:04Z)
• Logical Neural Networks [51.46602187496816]
  ニューラルネットワーク(学習)と記号論理(知識と推論)の両方の重要な特性をシームレスに提供する新しいフレームワークを提案する。 すべてのニューロンは、重み付けされた実数値論理における公式の構成要素としての意味を持ち、非常に解釈不能な非絡み合い表現をもたらす。 推論は事前に定義されたターゲット変数ではなく、オムニであり、論理的推論に対応する。
  論文  参考訳（メタデータ） (2020-06-23T16:55:45Z)

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。