論文の概要: grASP: A Graph Based ASP-Solver and Justification System

• arxiv url: http://arxiv.org/abs/2104.01190v1
• Date: Fri, 2 Apr 2021 18:16:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-08 06:12:58.707108
• Title: grASP: A Graph Based ASP-Solver and Justification System
• Title（参考訳）: grASP: グラフベースのASP-Solver and Justification System
• Authors: Fang Li, Huaduo Wang, Gopal Gupta
• Abstract要約: 本稿では,目標の結合をノードとして明示的に表現する,新たな依存グラフに基づく解集合探索手法を提案する。 私たちの表現は因果関係を保ち、答えセットの各リテラルをエレガントに見つけるために正当化します。
• 参考スコア（独自算出の注目度）: 5.098678276629787
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Answer set programming (ASP) is a popular nonmonotonic-logic based paradigm for knowledge representation and solving combinatorial problems. Computing the answer set of an ASP program is NP-hard in general, and researchers have been investing significant effort to speed it up. The majority of current ASP solvers employ SAT solver-like technology to find these answer sets. As a result, justification for why a literal is in the answer set is hard to produce. There are dependency graph based approaches to find answer sets, but due to the representational limitations of dependency graphs, such approaches are limited. We propose a novel dependency graph-based approach for finding answer sets in which conjunction of goals is explicitly represented as a node which allows arbitrary answer set programs to be uniformly represented. Our representation preserves causal relationships allowing for justification for each literal in the answer set to be elegantly found. Performance results from an implementation are also reported. Our work paves the way for computing answer sets without grounding a program.
• Abstract（参考訳）: Answer set programming (ASP) は、知識表現と組合せ問題を解くための一般的な非単調論理的パラダイムである。 aspプログラムの回答セットの計算は一般的にnp-hardであり、研究者は高速化に多大な投資をしている。 現在のASPソルバの大多数はSATソルバのような技術を使ってこれらの解集合を見つけている。 結果として、リテラルが答え集合にある理由を正当化することは困難である。 解集合を見つけるための依存グラフベースのアプローチは存在するが、依存グラフの表現的制限のため、そのようなアプローチは限られている。 本稿では,任意の解集合プログラムを一意に表現できるノードとして,ゴールの結合を明示的に表現する,新しい依存グラフに基づく解集合探索手法を提案する。 我々の表現は因果関係を保ち、回答集合内の各リテラルをエレガントに見つけるための正当化を可能にする。 実装のパフォーマンス結果も報告されている。 私たちの仕事は、プログラムを基盤にすることなく、解集合の計算の道を開きます。

関連論文リスト

• Exact ASP Counting with Compact Encodings [32.300155018027624]
  本稿では、より大規模な入力式を避けるために、応答集合をカウントする sharpASP と呼ばれる新しいASPカウントフレームワークを提案する。 1470のベンチマークによる実証分析は、現在の最先端の正解集合カウンタよりも大きなパフォーマンス向上を示している。
  論文  参考訳（メタデータ） (2023-12-19T08:27:29Z)
• IASCAR: Incremental Answer Set Counting by Anytime Refinement [18.761758874408557]
  本稿では,CNFの知識コンパイルを前提として,サポート対象モデルを符号化する手法を提案する。 予備的な実証分析では,有望な結果を示す。
  論文  参考訳（メタデータ） (2023-11-13T10:53:48Z)
• Generalizing Level Ranking Constraints for Monotone and Convex Aggregates [0.0]
  解集合プログラミング(ASP)では、解集合は興味のある探索問題の解をキャプチャする。 1つの実行可能な実装戦略は、翻訳ベースのASP.NETアプリケーションである。 我々は、ASP.NETの集約ベースの拡張をカバーするための一般化を目指して、レベルランキングの制約を再考する。
  論文  参考訳（メタデータ） (2023-08-30T09:04:39Z)
• Answering Ambiguous Questions via Iterative Prompting [84.3426020642704]
  オープンドメインの質問応答では、質問のあいまいさのため、複数の妥当な回答が存在する可能性がある。 ひとつのアプローチは、すべての有効な回答を直接予測することですが、これは、妥当性と多様性のバランスに苦労する可能性があります。 本稿では,あいまいな疑問に答える既存手法の欠陥に対処するため,AmbigPromptを提案する。
  論文  参考訳（メタデータ） (2023-07-08T04:32:17Z)
• Can Language Models Solve Graph Problems in Natural Language? [51.28850846990929]
  大型言語モデル (LLM) は暗黙的なグラフィカル構造を持つ様々なタスクに採用されている。 自然言語をシミュレーションするグラフベース問題解決のベンチマークであるNLGraphを提案する。
  論文  参考訳（メタデータ） (2023-05-17T08:29:21Z)
• Logical Message Passing Networks with One-hop Inference on Atomic Formulas [57.47174363091452]
  本稿では,ニューラルネットワーク演算子から知識グラフの埋め込みを分解する,複雑な問合せ応答のためのフレームワークを提案する。 クエリグラフの上に、局所的な原子式上のワンホップ推論とグローバル論理的推論を結びつける論理メッセージパッシングニューラルネットワーク(LMPNN)を提案する。 我々のアプローチは、最先端のニューラルCQAモデルをもたらす。
  論文  参考訳（メタデータ） (2023-01-21T02:34:06Z)
• Successive Prompting for Decomposing Complex Questions [50.00659445976735]
  最近の研究は、大規模言語モデル(LM)の機能を活用して、数ショットで複雑な質問応答を行う。 そこでは、複雑なタスクを単純なタスクに繰り返し分解し、それを解決し、最終解を得るまでプロセスを繰り返します。 我々の最良のモデル(逐次プロンプト付き)は、DROPデータセットの数ショットバージョンにおいて、5%の絶対F1の改善を実現します。
  論文  参考訳（メタデータ） (2022-12-08T06:03:38Z)
• Graphs, Constraints, and Search for the Abstraction and Reasoning Corpus [19.27379168184259]
  ARC(Abstraction and Reasoning Corpus)は、汎用人工知能アルゴリズムのパフォーマンスをベンチマークすることを目的としている。 ARCは広範な一般化と少数ショットの学習に重点を置いているため、純粋な機械学習を使って解決することは不可能である。 本稿では,グラフを用いた画像の表現と,正しいプログラムの検索を行う新しいオブジェクト中心のフレームワークである,グラフ抽象化を用いた抽象推論を提案する。
  論文  参考訳（メタデータ） (2022-10-18T14:13:43Z)
• Utilizing Treewidth for Quantitative Reasoning on Epistemic Logic Programs [22.39203220587435]
  本稿では,このような量的推論問題に対処するために必要な基礎的数え上げ問題を効率的に解くことのできる,新しいシステムを提案する。 本システムでは,木幅をグラフベースで表し,ELPプログラムの抽象表現(グラフ)を反復的に探索し,精算する。 私たちのアプローチは、最近導入された既存のシステムと競合しています。
  論文  参考訳（メタデータ） (2021-08-06T09:46:34Z)
• Graph-Based Tri-Attention Network for Answer Ranking in CQA [56.42018099917321]
  本稿では,グラフに基づく新しい三者関係ネットワーク,すなわちGTANを提案し,回答ランキングのスコアを生成する。 実世界の3つのCQAデータセットの実験では、GTANは最先端の回答ランキング法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2021-03-05T10:40:38Z)
• Brain-inspired Search Engine Assistant based on Knowledge Graph [53.89429854626489]
  developerbotは脳にインスパイアされた、knowledge graphの名前の検索エンジンアシスタントだ。 複雑なマルチ制約クエリを複数の順序制約に分割することで、多層クエリグラフを構築する。 次に、制約推論プロセスを認知科学の拡散活性化モデルに触発されたサブグラフ探索プロセスとしてモデル化する。
  論文  参考訳（メタデータ） (2020-12-25T06:36:11Z)

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。

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。