Fugu-MT 論文翻訳(概要): Semantic Reasoning with Differentiable Graph Transformations

論文の概要: Semantic Reasoning with Differentiable Graph Transformations

arxiv url: http://arxiv.org/abs/2107.09579v1
Date: Tue, 20 Jul 2021 15:48:54 GMT
ステータス: 処理完了
システム内更新日: 2021-07-21 17:42:39.864873
Title: Semantic Reasoning with Differentiable Graph Transformations
Title（参考訳）: 微分可能なグラフ変換を用いた意味推論
Authors: Alberto Cetoli
Abstract要約: 本稿では,ルールを関連するグラフ変換の集合として提示する,微分可能な意味論的推論手法を提案する。これらのルールは手動で記述することも、トレーニングセットとして提示された事実や目標のセットによって推測することもできる。内部表現は潜在空間に埋め込みを用いるが、各規則は記述論理の部分集合に対応する述語の集合として表すことができる。
参考スコア（独自算出の注目度）: 1.52292571922932
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces a differentiable semantic reasoner, where rules are presented as a relevant set of graph transformations. These rules can be written manually or inferred by a set of facts and goals presented as a training set. While the internal representation uses embeddings in a latent space, each rule can be expressed as a set of predicates conforming to a subset of Description Logic.
Abstract（参考訳）: 本稿では,ルールを関連するグラフ変換の集合として提示する,微分可能な意味推論を提案する。これらのルールは手作業で記述したり、トレーニングセットとして提示される一連の事実や目標によって推測することができる。内部表現は潜在空間への埋め込みを用いるが、各規則は記述論理のサブセットに準拠した述語の集合として表現することができる。

関連論文リスト

Optimal synthesis embeddings [1.565361244756411]
単語集合に対する公平な埋め込み表現が満足すべきという直感的な考え方に基づく単語埋め込み合成手法を提案する。本手法は,文の単純な言語的特徴を捉えることを目的とした探索課題の解法に優れていることを示す。
論文参考訳（メタデータ） (2024-06-10T18:06:33Z)
Practical Modelling with Bigraphs [0.0]
グラフはグラフィカルフォーマットでの配置と接続関係を簡単に表現できる汎用的なモデリング形式である。本稿では,バイグラフモデルの開発,実行,推論を行うための実践的かつ詳細なガイドを示す。
論文参考訳（メタデータ） (2024-05-31T10:17:46Z)
Unsupervised Mapping of Arguments of Deverbal Nouns to Their Corresponding Verbal Labels [52.940886615390106]
デバーバル名詞は英語の文章でよく使われる動詞で、出来事や行動やその議論を記述している。名前付けされた構成の引数を扱うために存在する解決策は意味論的アノテーションに基づいている。本稿では,より統語的アプローチを導入し,デバーバル名詞の議論を対応する動詞構成にマッピングする。
論文参考訳（メタデータ） (2023-06-24T10:07:01Z)
Bridging Continuous and Discrete Spaces: Interpretable Sentence Representation Learning via Compositional Operations [80.45474362071236]
文の合成意味論が埋め込み空間における構成操作として直接反映できるかどうかは不明である。文埋め込み学習のためのエンドツーエンドフレームワークであるInterSentを提案する。
論文参考訳（メタデータ） (2023-05-24T00:44:49Z)
Variational Cross-Graph Reasoning and Adaptive Structured Semantics Learning for Compositional Temporal Grounding [143.5927158318524]
テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
論文参考訳（メタデータ） (2023-01-22T08:02:23Z)
Differentiable Rule Induction with Learned Relational Features [9.193818627108572]
Rule Network(RRN)は、属性間の線形関係を表す述語とそれらを使用するルールを学習するニューラルネットワークである。ベンチマークタスクでは、これらの述語は解釈可能性を維持するのに十分単純であるが、予測精度を改善し、アートルール誘導アルゴリズムの状態と比較してより簡潔なルールセットを提供する。
論文参考訳（メタデータ） (2022-01-17T16:46:50Z)
Plurality and Quantification in Graph Representation of Meaning [4.82512586077023]
我々のグラフ言語は、モナディックな2階変数のみを用いた自然言語意味論の本質を網羅している。単純な構文意味インタフェースで意味グラフを構築するための統一型機構を提案する。現在のグラフ形式は、分配的述語、カテゴリー横断接続、および量化表現のスコープ置換における言語問題に適用される。
論文参考訳（メタデータ） (2021-12-13T07:04:41Z)
A Differentiable Relaxation of Graph Segmentation and Alignment for AMR Parsing [75.36126971685034]
我々は、アライメントとセグメンテーションをモデルの潜在変数として扱い、エンドツーエンドのトレーニングの一部としてそれらを誘導する。また,AMRの個々の構造を扱うために手作りされたLyu2018AMRPAのセグメンテーションルールに依存するモデルにもアプローチした。
論文参考訳（メタデータ） (2020-10-23T21:22:50Z)
Compositional Generalization via Semantic Tagging [81.24269148865555]
本稿では,シーケンス・ツー・シーケンスモデルの表現性と一般性を保存するための新しいデコードフレームワークを提案する。提案手法は, モデルアーキテクチャ, ドメイン, セマンティックフォーマリズム間の構成一般化を一貫して改善することを示す。
論文参考訳（メタデータ） (2020-10-22T15:55:15Z)
Unsupervised Distillation of Syntactic Information from Contextualized Word Representations [62.230491683411536]
我々は,ニューラルネットワーク表現における意味論と構造学の非教師なしの絡み合いの課題に取り組む。この目的のために、構造的に類似しているが意味的に異なる文群を自動的に生成する。我々は、我々の変換クラスタベクトルが、語彙的意味論ではなく構造的特性によって空間に現れることを実証する。
論文参考訳（メタデータ） (2020-10-11T15:13:18Z)
Putting a Spin on Language: A Quantum Interpretation of Unary Connectives for Linguistic Applications [0.0]
ランベック・カルキュラスは構造規則の制御を許すために一様法則に依存している。 FVect と線型写像のコンパクト閉圏におけるランベック計算の合成解釈の提案がなされている。我々の目標は、モダリティをベクトル解釈の第一級市民にすることである。
論文参考訳（メタデータ） (2020-04-08T17:25:11Z)

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。