論文の概要: User Guided Abductive Proof Generation for Answer Set Programming Queries (Extended Version)

• arxiv url: http://arxiv.org/abs/2209.07948v1
• Date: Fri, 16 Sep 2022 14:06:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-19 13:18:55.628795
• Title: User Guided Abductive Proof Generation for Answer Set Programming Queries (Extended Version)
• Title（参考訳）: 解集合プログラミングクエリのためのユーザガイド付き帰納証明生成(拡張バージョン)
• Authors: Avishkar Mahajan and Martin Strecker and Meng Weng Wong
• Abstract要約: 本稿では,与えられた Answer Set Programming (ASP) ルールセットに対して,クエリの可能な証明を生成する方法を提案する。 ユーザが提供する事実のセット(おそらく空である)が与えられた場合、我々のメソッドはクエリーのentailmentに必要な追加の事実を推測する。 また,クエリの正当性グラフに対応する有向エッジの集合を生成する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We present a method for generating possible proofs of a query with respect to a given Answer Set Programming (ASP) rule set using an abductive process where the space of abducibles is automatically constructed just from the input rules alone. Given a (possibly empty) set of user provided facts, our method infers any additional facts that may be needed for the entailment of a query and then outputs these extra facts, without the user needing to explicitly specify the space of all abducibles. We also present a method to generate a set of directed edges corresponding to the justification graph for the query. Furthermore, through different forms of implicit term substitution, our method can take user provided facts into account and suitably modify the abductive solutions. Past work on abduction has been primarily based on goal directed methods. However these methods can result in solvers that are not truly declarative. Much less work has been done on realizing abduction in a bottom up solver like the Clingo ASP solver. We describe novel ASP programs which can be run directly in Clingo to yield the abductive solutions and directed edge sets without needing to modify the underlying solving engine.
• Abstract（参考訳）: 本稿では,入力規則のみから,解答可能な空間を自動的に構築する帰納的プロセスを用いて,与えられた解答集合プログラミング(ASP)ルールに対して,クエリの可能な証明を生成する方法を提案する。 ユーザが提供する事実(おそらく空である)のセットが与えられた場合、我々のメソッドは、クエリのentailmentに必要な追加の事実を推論し、ユーザが明示的にすべてのabducibleの空間を指定しなくても、これらの余分な事実を出力します。 また,クエリの正当性グラフに対応する有向エッジの集合を生成する手法を提案する。 さらに,異なる形態の暗黙的用語置換により,提案手法はユーザ提供の事実を考慮に入れ,帰納的解を適切に修正することができる。 アブダクションに関する過去の研究は、主に目標指向の方法に基づいている。 しかし、これらの手法は真の宣言的でない解法をもたらす可能性がある。 Clingo ASPソルバのようなボトムアップソルバにおいて、誘拐を実現するための作業はずっと少ない。 我々は、基礎となる解決エンジンを変更することなく、アブダプティブソリューションと有向エッジセットを生成するために、clingoで直接実行できる新しいaspプログラムを記述する。

関連論文リスト

• Bisimulation Learning [55.859538562698496]
  我々は、大きな、潜在的に無限の状態空間を持つ状態遷移系の有限バイシミュレートを計算する。 提案手法は,実際に行われている他の最先端ツールよりも高速な検証結果が得られる。
  論文  参考訳（メタデータ） (2024-05-24T17:11:27Z)
• IASCAR: Incremental Answer Set Counting by Anytime Refinement [18.761758874408557]
  本稿では,CNFの知識コンパイルを前提として,サポート対象モデルを符号化する手法を提案する。 予備的な実証分析では,有望な結果を示す。
  論文  参考訳（メタデータ） (2023-11-13T10:53:48Z)
• Hypothesis Search: Inductive Reasoning with Language Models [39.03846394586811]
  最近の研究は「文脈学習」を直接促すことで帰納的推論タスクにおける大規模言語モデルの評価を行っている これは単純な帰納的タスクではうまく機能するが、Abstraction and Reasoning Corpus (ARC)のような複雑なタスクではうまく機能しない。 本研究では,複数の抽象レベルで明示的な仮説を生成することにより,LLMの帰納的推論能力を向上させることを提案する。
  論文  参考訳（メタデータ） (2023-09-11T17:56:57Z)
• Abductive Commonsense Reasoning Exploiting Mutually Exclusive Explanations [118.0818807474809]
  帰納的推論は、イベントのもっともらしい説明を見つけることを目的としている。 自然言語処理における帰納的推論のための既存のアプローチは、しばしば監督のために手動で生成されたアノテーションに依存している。 この研究は、ある文脈に対して、説明のサブセットのみが正しいという事実を活用する、帰納的コモンセンス推論のアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-24T01:35:10Z)
• SatLM: Satisfiability-Aided Language Models Using Declarative Prompting [68.40726892904286]
  本研究では,大規模言語モデル (LLM) の推論能力を向上させるために,新しい満足度支援言語モデリング (SatLM) 手法を提案する。 我々はLLMを用いて命令型プログラムではなく宣言型タスク仕様を生成し、既製の自動定理証明器を利用して最終解を導出する。 我々はSATLMを8つの異なるデータセット上で評価し、命令パラダイムにおいてプログラム支援されたLMよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-16T17:55:51Z)
• Natural Language Deduction with Incomplete Information [43.93269297653265]
  当初,すべての前提が明記されていないような不特定設定を処理できる新しいシステムを提案する。 自然言語生成モデルを用いて、他の前提と結論が与えられた前提を誘導的に推論することにより、結論が真であるために必要な証拠の欠落を示唆することができる。
  論文  参考訳（メタデータ） (2022-11-01T17:27:55Z)
• Discovering Non-monotonic Autoregressive Orderings with Variational Inference [67.27561153666211]
  我々は、訓練データから高品質な生成順序を純粋に検出する、教師なし並列化可能な学習装置を開発した。 エンコーダを非因果的注意を持つトランスフォーマーとして実装し、1つのフォワードパスで置換を出力する。 言語モデリングタスクにおける経験的結果から,我々の手法は文脈認識であり,一定の順序と競合する,あるいはより優れた順序を見つけることができる。
  論文  参考訳（メタデータ） (2021-10-27T16:08:09Z)
• Generating Explainable Rule Sets from Tree-Ensemble Learning Methods by Answer Set Programming [9.221315229933532]
  本稿では, Answer Set Programming (ASP) を用いた木組学習者から説明可能なルールセットを生成する手法を提案する。 基本決定木の分割構造をルール構築に活用する分解的手法を採用する。 ユーザ定義の制約や好みをASPで宣言的に表現して、透過的で柔軟なルールセット生成を可能にする方法を示します。
  論文  参考訳（メタデータ） (2021-09-17T01:47:38Z)
• Efficiently Explaining CSPs with Unsatisfiable Subset Optimization [17.498283247757445]
  我々は,制約満足度問題の解法を説明する手法を最近提案した。 ここでの説明は、単純な推論ステップのシーケンスであり、推論ステップの単純さは、使用される制約の数や種類、事実によって測定される。 2つの新しい問題、すなわち、確実に最適である説明を生成する方法と、それらを効率的に生成する方法に取り組みます。
  論文  参考訳（メタデータ） (2021-05-25T08:57:43Z)
• l1-Norm Minimization with Regula Falsi Type Root Finding Methods [81.55197998207593]
  Regula Falsiルートフィンディング技術を使用して、非可能性に対する効率的なアプローチを開発します。 実用的性能は l1 正規化クラス t を用いて示される。
  論文  参考訳（メタデータ） (2021-05-01T13:24:38Z)
• Pre-training Is (Almost) All You Need: An Application to Commonsense Reasoning [61.32992639292889]
  事前学習されたトランスモデルの微調整は、一般的なNLPタスクを解決するための標準的なアプローチとなっている。 そこで本研究では,可視性ランキングタスクをフルテキスト形式でキャストする新たなスコアリング手法を提案する。 提案手法は, ランダム再起動にまたがって, より安定した学習段階を提供することを示す。
  論文  参考訳（メタデータ） (2020-04-29T10:54:40Z)

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。