論文の概要: Aggregate Semantics for Propositional Answer Set Programs
- arxiv url: http://arxiv.org/abs/2109.08662v1
- Date: Fri, 17 Sep 2021 17:38:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-20 15:07:29.895475
- Title: Aggregate Semantics for Propositional Answer Set Programs
- Title（参考訳）: 命題応答集合プログラムのための集合意味論
- Authors: Mario Alviano, Wolfgang Faber, Martin Gebser
- Abstract要約: 提案するASPプログラムに対して提案された主要な集合的セマンティクスを提示し、比較する。
計算複雑性や表現力などの重要な特性を強調し、異なるアプローチの能力と限界を概説する。
- 参考スコア（独自算出の注目度）: 14.135212040150389
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Answer Set Programming (ASP) emerged in the late 1990ies as a paradigm for
Knowledge Representation and Reasoning. The attractiveness of ASP builds on an
expressive high-level modeling language along with the availability of powerful
off-the-shelf solving systems. While the utility of incorporating aggregate
expressions in the modeling language has been realized almost simultaneously
with the inception of the first ASP solving systems, a general semantics of
aggregates and its efficient implementation have been long-standing challenges.
Aggregates have been proposed and widely used in database systems, and also in
the deductive database language Datalog, which is one of the main precursors of
ASP. The use of aggregates was, however, still restricted in Datalog (by either
disallowing recursion or only allowing monotone aggregates), while several ways
to integrate unrestricted aggregates evolved in the context of ASP. In this
survey, we pick up at this point of development by presenting and comparing the
main aggregate semantics that have been proposed for propositional ASP
programs. We highlight crucial properties such as computational complexity and
expressive power, and outline the capabilities and limitations of different
approaches by illustrative examples.
- Abstract（参考訳）: Answer Set Programming (ASP)は、知識表現と推論のパラダイムとして1990年代後半に登場した。
ASPの魅力は、強力なオフザシェルフ解決システムとともに、表現力のあるハイレベルモデリング言語の上に構築されます。
モデリング言語に集約式を組み込むユーティリティは、最初のASP解決システムの開始とほぼ同時に実現されているが、集約の一般的な意味論とその効率的な実装は長年にわたる課題であった。
集約は、データベースシステムや、asp.net .net の主要な前駆体の一つであるデダクティブデータベース言語であるdatalogで提案され、広く使われている。
しかし、アグリゲーションの使用は、まだDatalogで制限されていた(再帰を許可するか、モノトンアグリゲーションのみを許可する)が、ASP.NETのコンテキストにおいて、いくつかの制限のないアグリゲーションを統合する方法は進化した。
本調査では,提案するASPプログラムに対して提案された主要な集合的セマンティクスを提示し,比較することにより,開発現場で取り上げる。
計算複雑性や表現力といった重要な性質を強調し,説明例によって異なるアプローチの能力と限界を概説する。
関連論文リスト
- ACE: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
我々は、エンドツーエンドのクロスモーダル検索のための先駆的なジェネリッククロスモーダル rEtrieval framework (ACE) を提案する。
ACEは、クロスモーダル検索における最先端のパフォーマンスを達成し、Recall@1の強いベースラインを平均15.27%上回る。
論文 参考訳（メタデータ） (2024-06-25T12:47:04Z) - LangSuitE: Planning, Controlling and Interacting with Large Language Models in Embodied Text Environments [70.91258869156353]
テキストエンボディの世界における6つの代表的具体的タスクを特徴とする多目的・シミュレーション不要なテストベッドであるLangSuitEを紹介する。
以前のLLMベースのテストベッドと比較すると、LangSuitEは複数のシミュレーションエンジンを使わずに、多様な環境への適応性を提供する。
具体化された状態の履歴情報を要約した新しいチェーン・オブ・ソート(CoT)スキーマであるEmMemを考案する。
論文 参考訳（メタデータ） (2024-06-24T03:36:29Z) - UQE: A Query Engine for Unstructured Databases [71.49289088592842]
構造化されていないデータ分析を可能にするために,大規模言語モデルの可能性を検討する。
本稿では,非構造化データ収集からの洞察を直接問合せ,抽出するUniversal Query Engine (UQE)を提案する。
論文 参考訳（メタデータ） (2024-06-23T06:58:55Z) - Towards Compositionally Generalizable Semantic Parsing in Large Language Models: A Survey [0.0]
本稿では, 合成一般化のための分析, 方法, 評価手法の最近の進歩をめざした文献調査を行う。
この種の一般化は、タスク指向対話のようなアプリケーションに対する意味解析のコミュニティに特に関係している。
論文 参考訳（メタデータ） (2024-04-15T10:44:58Z) - A Large-Scale Evaluation of Speech Foundation Models [110.95827399522204]
音声処理ユニバーサルパフォーマンスベンチマーク(SUPERB)を構築し,基礎モデルパラダイムの有効性について検討する。
凍結基盤モデルを用いてSUPERBにおける音声処理タスクに対処する統合マルチタスクフレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-15T00:03:16Z) - Extending Answer Set Programming with Rational Numbers [0.6526824510982802]
本稿では,非整数を有理数に近似し,完全な付与と宣言性を持つASPの拡張を提案する。
我々は、有理数で拡張されたASP-Core-2標準のための明確に定義されたセマンティクスとその実装を提供する。
論文 参考訳（メタデータ） (2023-12-07T12:11:25Z) - 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) - Optimization Techniques for Unsupervised Complex Table Reasoning via Self-Training Framework [5.351873055148804]
自己学習フレームワークは複雑な論理を持つ多様な合成データを生成する。
我々は「テーブル・テキスト・マニピュレータ(Table-Text Manipulator)」を用いて、共同テーブル・テキスト推論シナリオの処理を最適化する。
UCTRSTは、異なるタスクやドメインにおける教師付きモデルパフォーマンスの90%以上を達成する。
論文 参考訳（メタデータ） (2022-12-20T09:15:03Z) - On the Foundations of Grounding in Answer Set Programming [4.389457090443418]
We provide a comprehensive elaboration of the Theorys of variable instantiation or grounding, in Answer Set Programming (ASP)。
固定点演算子の観点から基底アルゴリズムの形式的特徴付けを導入する。
主要な役割は、関連するモデルがグラウンド化の結果を記述するための意味的なガイダンスを提供する、専門のしっかりとした演算子によって演じられる。
論文 参考訳（メタデータ） (2021-08-10T16:23:49Z) - Text Summarization with Latent Queries [60.468323530248945]
本稿では,LaQSumについて紹介する。LaQSumは,既存の問合せ形式と抽象的な要約のための文書から遅延クエリを学習する,最初の統一テキスト要約システムである。
本システムでは, 潜伏クエリモデルと条件付き言語モデルとを協調的に最適化し, ユーザがテスト時に任意のタイプのクエリをプラグイン・アンド・プレイできるようにする。
本システムでは,クエリタイプ,文書設定,ターゲットドメインの異なる要約ベンチマークにおいて,強力な比較システムの性能を強く向上させる。
論文 参考訳（メタデータ） (2021-05-31T21:14:58Z) - SDA: Improving Text Generation with Self Data Augmentation [88.24594090105899]
自動データ拡張のための自己模倣学習フェーズを組み込むことにより,標準最大確率推定(MLE)パラダイムを改善することを提案する。
既存の文レベルの拡張戦略とは異なり,本手法はより汎用的で,任意のMLEベースの訓練手順に容易に適応できる。
論文 参考訳（メタデータ） (2021-01-02T01:15:57Z)
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。