論文の概要: iWarded: A System for Benchmarking Datalog+/- Reasoning (technical report)

• arxiv url: http://arxiv.org/abs/2103.08588v1
• Date: Mon, 15 Mar 2021 17:56:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-16 13:57:51.777979
• Title: iWarded: A System for Benchmarking Datalog+/- Reasoning (technical report)
• Title（参考訳）: iWarded: データログ+/-推論のベンチマークシステム(技術報告)
• Authors: Teodoro Baldazzi (Universit\`a Roma Tre), Luigi Bellomarini (Banca d'Italia), Emanuel Sallinger (University of Oxford and TU Wien), Paolo Atzeni (Universit\`a Roma Tre)
• Abstract要約: iWardedは、非常に大きく、複雑で、現実的な推論設定を生成するシステムです。 我々は,iWardedシステムと,有効シナリオを生成するための新しい理論結果のセットを提示する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent years have seen increasing popularity of logic-based reasoning systems, with research and industrial interest as well as many flourishing applications in the area of Knowledge Graphs. Despite that, one can observe a substantial lack of specific tools able to generate nontrivial reasoning settings and benchmark scenarios. As a consequence, evaluating, analysing and comparing reasoning systems is a complex task, especially when they embody sophisticated optimizations and execution techniques that leverage the theoretical underpinnings of the adopted logic fragment. In this paper, we aim at filling this gap by introducing iWarded, a system that can generate very large, complex, realistic reasoning settings to be used for the benchmarking of logic-based reasoning systems adopting Datalog+/-, a family of extensions of Datalog that has seen a resurgence in the last few years. In particular, iWarded generates reasoning settings for Warded Datalog+/-, a language with a very good tradeoff between computational complexity and expressive power. In the paper, we present the iWarded system and a set of novel theoretical results adopted to generate effective scenarios. As Datalog-based languages are of general interest and see increasing adoption, we believe that iWarded is a step forward in the empirical evaluation of current and future systems.
• Abstract（参考訳）: 近年、論理に基づく推論システムの人気が高まっており、研究や工業的関心や知識グラフの分野における多くの応用が盛んになっている。 それにもかかわらず、非自明な推論設定とベンチマークシナリオを生成できる特定のツールの欠如を観察できる。 結果として、推論システムの評価、分析、比較は複雑なタスクであり、特に、採用した論理断片の理論的基盤を生かした洗練された最適化と実行テクニックを具現化している場合である。 本稿では,このギャップを埋めるために,過去数年間で復活を遂げてきたデータログの拡張系であるDatalog+/-を採用した論理ベースの推論システムのベンチマークに使用する,非常に大きく,複雑で,現実的な推論設定を生成するシステムiWardedを導入することを目的とする。 特に、iWardedは、計算複雑性と表現力の非常に良いトレードオフを持つ言語であるWarded Datalog+/-の推論設定を生成する。 本稿では,iWardedシステムと,有効シナリオを生成するための新しい理論結果の集合について述べる。 データログベースの言語は一般的に関心があり、採用が増えているため、iWardedは現在および将来のシステムの実証的評価の一歩であると考えています。

関連論文リスト

• Multi-modal Causal Structure Learning and Root Cause Analysis [67.67578590390907]
  根本原因局所化のためのマルチモーダル因果構造学習手法であるMulanを提案する。 ログ選択言語モデルを利用してログ表現学習を行い、ログシーケンスを時系列データに変換する。 また、モダリティの信頼性を評価し、最終因果グラフを共同学習するための新しいキーパフォーマンスインジケータ対応アテンション機構も導入する。
  論文  参考訳（メタデータ） (2024-02-04T05:50:38Z)
• LogicAsker: Evaluating and Improving the Logical Reasoning Ability of Large Language Models [63.14196038655506]
  大規模言語モデル(LLM)の論理的推論能力を評価・拡張するための新しいアプローチであるLogicAskerを紹介する。 提案手法は, LLMが論理規則を学習する際の大きなギャップを明らかにし, 異なるモデル間で29%から90%の推論失敗を識別する。 GPT-4oのようなモデルにおける論理的推論を最大5%向上させることで、これらの知見を活用して、ターゲットとなる実演例と微調整データを構築した。
  論文  参考訳（メタデータ） (2024-01-01T13:53:53Z)
• Ontological Reasoning over Shy and Warded Datalog$+/-$ for Streaming-based Architectures (technical report) [6.689509223124273]
  データログベースの存在論的推論システムは、しばしばDatalog$ +/-$という集合名の下で共有される言語を採用する。 本稿では,ShyとWarded Datalog$+/-$という,非常に有望で表現力豊かな2つの言語に焦点を当てる。 理論的基盤を利用して、ストリーミングベースのアーキテクチャにおいて特に効率的な推論に適合する、新しい推論技術、技術的には「分岐変種」を導入する。 次に、実環境設定上のオントロジ推論タスクを効率的に解決するために、参照ストリーミングベースのエンジンであるVadalogでそれらを実装します。
  論文  参考訳（メタデータ） (2023-11-20T23:27:43Z)
• Neuro-Symbolic Recommendation Model based on Logic Query [16.809190067920387]
  本稿では,ユーザ履歴のインタラクションを論理表現に変換するニューロシンボリックレコメンデーションモデルを提案する。 論理式はニューラルネットワークのモジュラー論理演算に基づいて計算される。 3つのよく知られたデータセットによる実験により,本手法は浅部,深部,セッション,推論モデルと比較し,性能が良好であることが確認された。
  論文  参考訳（メタデータ） (2023-09-14T10:54:48Z)
• Log Parsing Evaluation in the Era of Modern Software Systems [47.370291246632114]
  自動ログ分析、ログ解析は、ログから洞察を導き出すための前提条件である。 本研究は,ログ解析分野の問題点,特に異種実世界のログ処理における非効率性を明らかにする。 本稿では,企業コンテキストにおけるログ解析性能を推定するツールであるLogchimeraを提案する。
  論文  参考訳（メタデータ） (2023-08-17T14:19:22Z)
• Scallop: A Language for Neurosymbolic Programming [14.148819428748597]
  Scallopは、ディープラーニングと論理的推論の利点を組み合わせた言語である。 アルゴリズム推論を多様で困難なAIタスクで表現することができる。 機械学習プログラマが論理的なドメイン知識を統合するための簡潔なインターフェースを提供する。
  論文  参考訳（メタデータ） (2023-04-10T18:46:53Z)
• 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)
• Complexity of Arithmetic in Warded Datalog+- [1.5469452301122173]
  Warded Datalog+- ロジックベースの言語Datalogを拡張し、ルールヘッドに存在量化器を配置する。 我々はWarded Datalog+を算術演算で拡張し、P完全性を証明する新しい言語を定義する。 我々は,新たに定義された言語に対する効率的な推論アルゴリズムを提案し,最近導入された整数演算を用いたデータログフラグメントの記述的複雑性を証明した。
  論文  参考訳（メタデータ） (2022-02-10T15:14:03Z)
• Logic-Driven Context Extension and Data Augmentation for Logical Reasoning of Text [65.24325614642223]
  論理的な記号や表現をテキストで理解し、答えにたどり着くよう提案します。 このような論理的情報に基づいて,文脈拡張フレームワークとデータ拡張アルゴリズムを提案する。 本手法は最先端の性能を実現し,論理駆動コンテキスト拡張フレームワークとデータ拡張アルゴリズムの両方が精度向上に寄与する。
  論文  参考訳（メタデータ） (2021-05-08T10:09:36Z)
• Evaluating Logical Generalization in Graph Neural Networks [59.70452462833374]
  グラフニューラルネットワーク(GNN)を用いた論理一般化の課題について検討する。 ベンチマークスイートであるGraphLogでは、学習アルゴリズムが異なる合成論理でルール誘導を実行する必要がある。 モデルが一般化し適応する能力は、トレーニング中に遭遇する論理規則の多様性によって強く決定される。
  論文  参考訳（メタデータ） (2020-03-14T05:45:55Z)

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。