論文の概要: RNNCTPs: A Neural Symbolic Reasoning Method Using Dynamic Knowledge Partitioning Technology

• arxiv url: http://arxiv.org/abs/2204.08810v1
• Date: Tue, 19 Apr 2022 11:18:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-20 15:11:23.899348
• Title: RNNCTPs: A Neural Symbolic Reasoning Method Using Dynamic Knowledge Partitioning Technology
• Title（参考訳）: RNNCTPs:動的知識分割技術を用いたニューラルシンボリック推論手法
• Authors: Yu-hao Wu and Hou-biao Li
• Abstract要約: 本稿では,新しいニューラルシンボリック推論手法RNNCTPを提案する。 RNNCTPは、条件付き定理証明器の知識選択を再フィルタすることで、計算効率を向上させる。 全ての4つのデータセットにおいて、リンク予測タスクにおける従来の手法と競合する性能を示す。
• 参考スコア（独自算出の注目度）: 2.462063246087401
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although traditional symbolic reasoning methods are highly interpretable, their application in knowledge graph link prediction is limited due to their low computational efficiency. In this paper, we propose a new neural symbolic reasoning method: RNNCTPs, which improves computational efficiency by re-filtering the knowledge selection of Conditional Theorem Provers (CTPs), and is less sensitive to the embedding size parameter. RNNCTPs are divided into relation selectors and predictors. The relation selectors are trained efficiently and interpretably, so that the whole model can dynamically generate knowledge for the inference of the predictor. In all four datasets, the method shows competitive performance against traditional methods on the link prediction task, and can have higher applicability to the selection of datasets relative to CTPs.
• Abstract（参考訳）: 従来の記号的推論法は非常に解釈可能であるが、知識グラフリンク予測への応用は計算効率が低いため限られている。 本稿では,条件付き定理プロバー(ctps)の知識選択を再フィルタすることにより計算効率を向上し,埋め込みサイズパラメータに対する感度を低下させる,新しいニューラルシンボリック推論法であるrnnctpsを提案する。 RNNCTPは関係セレクタと予測器に分けられる。 関係セレクタは効率よく解釈可能であり、モデル全体が予測子の推論に関する知識を動的に生成することができる。 全ての4つのデータセットにおいて、リンク予測タスクにおける従来の手法と競合する性能を示し、CTPに対するデータセットの選択に高い適用性を持つ。

関連論文リスト

• An Interpretable Alternative to Neural Representation Learning for Rating Prediction -- Transparent Latent Class Modeling of User Reviews [8.392465185798713]
  本稿では,レビュー情報に基づいてユーザおよび製品潜伏クラスを編成する透過確率モデルを提案する。 本研究は,テキストベースニューラルネットワークと比較して,解釈可能性と予測性能の両面から評価する。
  論文  参考訳（メタデータ） (2024-06-17T07:07:42Z)
• A Novel Neural-symbolic System under Statistical Relational Learning [50.747658038910565]
  本稿では,GBPGRと呼ばれる2段階の確率的グラフィカル推論フレームワークを提案する。 GBPGRでは、シンボル推論の結果を用いて、ディープラーニングモデルによる予測を洗練し、修正する。 提案手法は高い性能を示し, 帰納的タスクと帰納的タスクの両方において効果的な一般化を示す。
  論文  参考訳（メタデータ） (2023-09-16T09:15:37Z)
• Knowledge Enhanced Neural Networks for relational domains [83.9217787335878]
  我々は、ニューラルネットワークに事前論理的知識を注入するニューラルネットワークアーキテクチャであるKENNに焦点を当てる。 本稿では,関係データに対するKENNの拡張を提案する。
  論文  参考訳（メタデータ） (2022-05-31T13:00:34Z)
• Neural Theorem Provers Delineating Search Area Using RNN [2.462063246087401]
  一般化EMベースの手法を用いてニューラル定理の計算効率を継続的に向上するRNNNTP法を提案する。 関係生成装置を効果的に、かつ、解釈可能に訓練し、トレーニングの進展に応じて全体モデルを実行することができ、計算効率も大幅に向上する。
  論文  参考訳（メタデータ） (2022-03-14T10:44:11Z)
• Neuro-Symbolic Inductive Logic Programming with Logical Neural Networks [65.23508422635862]
  我々は最近提案された論理ニューラルネットワーク(LNN)を用いた学習規則を提案する。 他のものと比較して、LNNは古典的なブール論理と強く結びついている。 標準ベンチマークタスクの実験では、LNNルールが極めて解釈可能であることを確認した。
  論文  参考訳（メタデータ） (2021-12-06T19:38:30Z)
• Analytically Tractable Inference in Deep Neural Networks [0.0]
  Tractable Approximate Inference (TAGI)アルゴリズムは、浅いフルコネクテッドニューラルネットワークのバックプロパゲーションに対する実行可能でスケーラブルな代替手段であることが示された。 従来のディープニューラルネットワークアーキテクチャをトレーニングするために、TAGIがバックプロパゲーションのパフォーマンスとどのように一致するか、または上回るかを実証しています。
  論文  参考訳（メタデータ） (2021-03-09T14:51:34Z)
• Reinforcement Learning with External Knowledge by using Logical Neural Networks [67.46162586940905]
  論理ニューラルネットワーク(LNN)と呼ばれる最近のニューラルシンボリックフレームワークは、ニューラルネットワークとシンボリックロジックの両方のキープロパティを同時に提供することができる。 外部知識ソースからのモデルフリー強化学習を可能にする統合手法を提案する。
  論文  参考訳（メタデータ） (2021-03-03T12:34:59Z)
• Neural Networks Enhancement with Logical Knowledge [83.9217787335878]
  関係データに対するKENNの拡張を提案する。 その結果、KENNは、存在関係データにおいても、基礎となるニューラルネットワークの性能を高めることができることがわかった。
  論文  参考訳（メタデータ） (2020-09-13T21:12:20Z)
• Learning Reasoning Strategies in End-to-End Differentiable Proving [50.9791149533921]
  条件付き定理プローバーは勾配に基づく最適化により最適規則選択戦略を学習する。 条件付き定理プローサは拡張性があり、CLUTRRデータセット上で最先端の結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-13T16:22:14Z)

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。