論文の概要: ValAsp: a tool for data validation in Answer Set Programming

• arxiv url: http://arxiv.org/abs/2202.09626v1
• Date: Sat, 19 Feb 2022 15:45:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-23 09:51:36.976461
• Title: ValAsp: a tool for data validation in Answer Set Programming
• Title（参考訳）: ValAsp: Answer Set Programmingにおけるデータ検証ツール
• Authors: Mario Alviano, Carmine Dodaro, Arnel Zamayla
• Abstract要約: 本稿では,ASPプログラムのデータ検証の問題について定式化する。 データバリデーションを指定する言語を導入し、通常のプログラムでデータバリデーションを注入するTextscvalaspを提供する。
• 参考スコア（独自算出の注目度）: 8.54687239637
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The development of complex software requires tools promoting fail-fast approaches, so that bugs and unexpected behavior can be quickly identified and fixed. Tools for data validation may save the day of computer programmers. In fact, processing invalid data is a waste of resources at best, and a drama at worst if the problem remains unnoticed and wrong results are used for business. Answer Set Programming (ASP) is not an exception, but the quest for better and better performance resulted in systems that essentially do not validate data. Even under the simplistic assumption that input/output data are eventually validated by external tools, invalid data may appear in other portions of the program, and go undetected until some other module of the designed software suddenly breaks. This paper formalizes the problem of data validation for ASP programs, introduces a language to specify data validation, and presents \textsc{valasp}, a tool to inject data validation in ordinary programs. The proposed approach promotes fail-fast techniques at coding time without imposing any lag on the deployed system if data are pretended to be valid. Validation can be specified in terms of statements using YAML, ASP and Python. Additionally, the proposed approach opens the possibility to use ASP for validating data of imperative programming languages. Under consideration for acceptance in TPLP.
• Abstract（参考訳）: 複雑なソフトウェアの開発には、バグや予期しない動作を迅速に特定し修正できるように、フェールファーストアプローチを促進するツールが必要である。 データ検証ツールは、コンピュータプログラマの日を節約できる。 事実、不正なデータの処理は、せいぜいリソースの浪費であり、問題に気付かれずに間違った結果がビジネスに使われている場合、最悪の事態です。 応答セットプログラミング(asp)は例外ではないが、よりよいパフォーマンスを求める試みは、本質的にデータを検証することができないシステムを生み出した。 入出力データが最終的に外部ツールによって検証されるという単純な仮定の下でも、無効なデータはプログラムの他の部分に現れ、設計されたソフトウェアの他のモジュールが突然壊れるまで検出されない。 本稿では、ASPプログラムのデータ検証の問題を形式化し、データ検証を規定する言語を導入し、通常のプログラムでデータ検証を注入するツールであるtextsc{valasp}を提示する。 提案手法は、データが有効であるかのように振る舞う場合、デプロイされたシステムに遅延を課すことなく、コーディング時にフェールファスト技術を促進する。 バリデーションは、YAML、ASP、Pythonを使用してステートメントの観点で指定できる。 さらに、提案手法は命令型プログラミング言語のデータ検証にaspを使用する可能性を開く。 TPLPの受容についての検討

関連論文リスト

• LLASP: Fine-tuning Large Language Models for Answer Set Programming [6.261151680007598]
  大規模言語モデル(LLM)は、コード生成を含む様々な自然言語処理タスクにおいて、その可能性を示した。 基本的なASPプログラムパターンをエンコードするように特別に訓練された、微調整された軽量モデルであるLLASPを提案する。 LLASP が生成する ASP プログラムの品質が顕著であることを示す実験を行った。
  論文  参考訳（メタデータ） (2024-07-26T13:18:42Z)
• Parameter-tuning-free data entry error unlearning with adaptive selective synaptic dampening [51.34904967046097]
  本稿では,パラメータチューニングの必要性を排除した選択的シナプス減衰アンラーニング法の拡張を提案する。 本稿では,ResNet18とVision Transformerの未学習タスクにおける適応選択的シナプス減衰(ASSD)の性能を示す。 このアプローチの適用は、サプライチェーン管理などの産業環境において特に魅力的である。
  論文  参考訳（メタデータ） (2024-02-06T14:04:31Z)
• Better Practices for Domain Adaptation [62.70267990659201]
  ドメイン適応(DA)は、ラベルを使わずに、モデルを配置データに適用するためのフレームワークを提供することを目的としている。 DAの明確な検証プロトコルは、文献の悪い実践につながっている。 ドメイン適応手法の3つの分野にまたがる課題を示す。
  論文  参考訳（メタデータ） (2023-09-07T17:44:18Z)
• Fact-Checking Complex Claims with Program-Guided Reasoning [99.7212240712869]
  Program-Guided Fact-Checking (ProgramFC)は、複雑なクレームを単純なサブタスクに分解する新しいファクトチェックモデルである。 まず,大規模言語モデルの文脈内学習能力を活用して推論プログラムを生成する。 我々は,各サブタスクを対応するサブタスクハンドラに委譲することでプログラムを実行する。
  論文  参考訳（メタデータ） (2023-05-22T06:11:15Z)
• Applying Machine Learning Analysis for Software Quality Test [0.0]
  メンテナンスのトリガーと予測されるかどうかを理解することは重要です。 生成したプログラムの複雑さを評価する多くの手法は有用な予測モデルを生成する。 本稿では,機械学習を利用可能なデータに適用し,累積ソフトウェア故障レベルを算出する。
  論文  参考訳（メタデータ） (2023-05-16T06:10:54Z)
• Teaching Large Language Models to Self-Debug [62.424077000154945]
  大規模言語モデル(LLM)は、コード生成において素晴らしいパフォーマンスを達成した。 本稿では,大規模言語モデルで予測プログラムを数発のデモでデバッグする自己デバッグを提案する。
  論文  参考訳（メタデータ） (2023-04-11T10:43:43Z)
• Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
  本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。 トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
  論文  参考訳（メタデータ） (2023-02-14T18:43:34Z)
• Fault-Aware Neural Code Rankers [64.41888054066861]
  サンプルプログラムの正しさを予測できる故障認識型ニューラルネットワークローダを提案する。 我々のフォールト・アウェア・ローダは、様々なコード生成モデルのpass@1精度を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2022-06-04T22:01:05Z)
• Auto-Validate: Unsupervised Data Validation Using Data-Domain Patterns Inferred from Data Lakes [16.392844962056742]
  我々は,適切なデータバリデーションパターンを推定し,自動検証するコーパス駆動型手法を開発した。 この技術の一部は、Microsoft Azure PurviewのAuto-Tag機能として提供される。
  論文  参考訳（メタデータ） (2021-04-10T01:15:48Z)
• A Machine Learning guided Rewriting Approach for ASP Logic Programs [0.0]
  機械学習(ML)に基づいて、書き換えるかどうかを自動決定するアプローチについて説明する。 特に、ASPプログラムと入力事実のセットが与えられた場合、我々のアプローチは、それらの構造特性とドメイン情報を測定する一連の機能に基づいて、入力ルールを書き換えるかどうかと方法を選択する。
  論文  参考訳（メタデータ） (2020-09-22T00:51:13Z)

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。