Fugu-MT 論文翻訳(概要): Measuring Inconsistency in Declarative Process Specifications

論文の概要: Measuring Inconsistency in Declarative Process Specifications

arxiv url: http://arxiv.org/abs/2206.07080v1
Date: Tue, 14 Jun 2022 18:08:49 GMT
ステータス: 処理完了
システム内更新日: 2022-06-19 03:22:12.810038
Title: Measuring Inconsistency in Declarative Process Specifications
Title（参考訳）: 宣言的プロセス仕様の不整合の測定
Authors: Carl Corea, John Grant, Matthias Thimm
Abstract要約: 古典論理学の既存の矛盾度尺度は、一般には意味のある矛盾度評価を提供することができない。不整合測定の枠組みとして,新たにパラ一貫性セマンティクスを提案する。本稿では,これらの手法を宣言的プロセスモデルに適用し,導入したアプローチの計算複雑性について考察する。
参考スコア（独自算出の注目度）: 8.048412266667176
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We address the problem of measuring inconsistency in declarative process specifications, with an emphasis on linear temporal logic on fixed traces (LTLff). As we will show, existing inconsistency measures for classical logic cannot provide a meaningful assessment of inconsistency in LTL in general, as they cannot adequately handle the temporal operators. We therefore propose a novel paraconsistent semantics as a framework for inconsistency measurement. We then present two new inconsistency measures based on these semantics and show that they satisfy important desirable properties. We show how these measures can be applied to declarative process models and investigate the computational complexity of the introduced approach.
Abstract（参考訳）: 定形トレース(LTLff)上の線形時間論理に重点を置いて、宣言的プロセス仕様の不整合を計測する問題に対処する。ここで示すように、古典論理に対する既存の不整合測度は、時間演算子を適切に扱えないため、LTLにおける不整合の有意義な評価を提供することができない。そこで我々は,不整合測定の枠組みとして,新しい矛盾意味論を提案する。次に、これらの意味に基づく2つの新しい非一貫性尺度を示し、それらが重要な望ましい特性を満たすことを示す。本稿では,これらの手法を宣言的プロセスモデルに適用し,導入したアプローチの計算複雑性について考察する。

関連論文リスト

Improving Uncertainty Quantification in Large Language Models via Semantic Embeddings [11.33157177182775]
大規模言語モデル(LLM)における正確な不確実性の定量化は、信頼性の高いデプロイメントに不可欠である。 LLMにおける意味的不確実性を測定するための現在の最先端手法は、厳密な双方向の包含基準に依存している。本研究では,意味的不確実性のよりスムーズでロバストな推定を実現するためにセマンティックな埋め込みを利用する新しい手法を提案する。
論文参考訳（メタデータ） (2024-10-30T04:41:46Z)
Localizing Factual Inconsistencies in Attributable Text Generation [91.981439746404]
本稿では,帰属可能なテキスト生成における事実の不整合をローカライズするための新しい形式であるQASemConsistencyを紹介する。まず,人間のアノテーションに対するQASemConsistency法の有効性を示す。そこで我々は,局所的な事実の不整合を自動的に検出するいくつかの手法を実装した。
論文参考訳（メタデータ） (2024-10-09T22:53:48Z)
Noncontextuality inequalities for prepare-transform-measure scenarios [0.0]
一般化された非コンテクスト性に整合した相関関係のポリトープを計算するために線形量子化器の除去がいかに用いられるかを示す。また、与えられた状態の集合、変換の集合、あるいは測定の集合の中で保持されるすべての線形操作IDを計算するための単純なアルゴリズムも提供する。
論文参考訳（メタデータ） (2024-07-12T18:20:41Z)
Uncertainty Quantification for In-Context Learning of Large Language Models [52.891205009620364]
大規模言語モデル(LLM)の画期的な能力として、文脈内学習が登場している。両タイプの不確かさを定量化するための新しい定式化法とそれに対応する推定法を提案する。提案手法は、プラグイン・アンド・プレイ方式でコンテキスト内学習の予測を理解するための教師なしの方法を提供する。
論文参考訳（メタデータ） (2024-02-15T18:46:24Z)
Object-Centric Conformance Alignments with Synchronization (Extended Version) [57.76661079749309]
対象中心のペトリネットが一対多の関係を捉える能力と,その同一性に基づいたオブジェクトの比較と同期を行う識別子を持つペトリネットの能力を組み合わせた,新たな形式主義を提案する。我々は、満足度変調理論(SMT)の符号化に基づく、そのようなネットに対する適合性チェック手法を提案する。
論文参考訳（メタデータ） (2023-12-13T21:53:32Z)
Threshold-Consistent Margin Loss for Open-World Deep Metric Learning [42.03620337000911]
画像検索にDeep Metric Learning (DML) で使われている既存の損失は、しばしば非均一なクラス内およびクラス間表現構造に繋がる。不整合はしばしば、商用画像検索システムを展開する際のしきい値選択過程を複雑にする。クラス間の動作特性の分散を定量化するOPIS(Operating-Point-Inconsistency-Score)と呼ばれる,新しい分散に基づく尺度を提案する。
論文参考訳（メタデータ） (2023-07-08T21:16:41Z)
Interpretable Automatic Fine-grained Inconsistency Detection in Text Summarization [56.94741578760294]
本研究の目的は, 要約中の事実誤りの微粒化を予測し, 微粒化不整合検出の課題を提案することである。要約における現実的不整合の検査方法に触発され,解析可能な微粒不整合検出モデルであるFinGrainFactを提案する。
論文参考訳（メタデータ） (2023-05-23T22:11:47Z)
Conformance Checking with Uncertainty via SMT (Extended Version) [66.58864135810981]
データ認識参照プロセスに対する不確実なログの適合性を確認する方法を示す。我々のアプローチはモジュラーであり、異なるタイプの不確実性に均質に適合する。本研究は,概念実証によるアプローチの正しさと実現可能性を示す。
論文参考訳（メタデータ） (2022-06-15T11:39:45Z)
The Language Model Understood the Prompt was Ambiguous: Probing Syntactic Uncertainty Through Generation [23.711953448400514]
このような分析に対して,ニューラルネットワークモデル(LM)がどの程度不確実性を示すかを調べる。 LMは複数の解析を同時に追跡できることがわかった。曖昧な手がかりに対する応答として、LMは正しい解釈を選択することが多いが、時々エラーは改善の潜在的な領域を示す。
論文参考訳（メタデータ） (2021-09-16T10:27:05Z)
Modeling Inter-Aspect Dependencies with a Non-temporal Mechanism for Aspect-Based Sentiment Analysis [70.22725610210811]
アスペクト間の依存関係をモデル化することでABSAタスクを強化するための新しい非時間的メカニズムを提案する。我々は、ABSAタスクにおけるよく知られたクラス不均衡の問題に注目し、適切に分類されたインスタンスに割り当てられた損失を下げて対処する。
論文参考訳（メタデータ） (2020-08-12T08:50:09Z)

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。