論文の概要: Specifying and Exploiting Non-Monotonic Domain-Specific Declarative
Heuristics in Answer Set Programming
- arxiv url: http://arxiv.org/abs/2209.09066v1
- Date: Mon, 19 Sep 2022 14:57:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 17:43:04.449009
- Title: Specifying and Exploiting Non-Monotonic Domain-Specific Declarative
Heuristics in Answer Set Programming
- Title（参考訳）: 解集合プログラミングにおける非単調領域特異的宣言的ヒューリスティックの特定と展開
- Authors: Richard Comploi-Taupe and Gerhard Friedrich and Konstantin Schekotihin
and Antonius Weinzierl
- Abstract要約: ドメイン特化(Domain-specifics)は、問題解決に不可欠なテクニックである。
ドメイン特化をASP(Answer Set Programming)と統合する現在のアプローチは、単調に指定されていないドメインを扱う場合に不満足です。
ASP.NETにおけるドメイン特化の宣言仕様のための新しい構文とセマンティクスを提示する。
- 参考スコア（独自算出の注目度）: 5.887969742827488
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Domain-specific heuristics are an essential technique for solving
combinatorial problems efficiently. Current approaches to integrate
domain-specific heuristics with Answer Set Programming (ASP) are unsatisfactory
when dealing with heuristics that are specified non-monotonically on the basis
of partial assignments. Such heuristics frequently occur in practice, for
example, when picking an item that has not yet been placed in bin packing.
Therefore, we present novel syntax and semantics for declarative specifications
of domain-specific heuristics in ASP. Our approach supports heuristic
statements that depend on the partial assignment maintained during solving,
which has not been possible before. We provide an implementation in ALPHA that
makes ALPHA the first lazy-grounding ASP system to support declaratively
specified domain-specific heuristics. Two practical example domains are used to
demonstrate the benefits of our proposal. Additionally, we use our approach to
implement informed} search with A*, which is tackled within ASP for the first
time. A* is applied to two further search problems. The experiments confirm
that combining lazy-grounding ASP solving and our novel heuristics can be vital
for solving industrial-size problems.
- Abstract（参考訳）: ドメイン固有ヒューリスティックスは組合せ問題を効率的に解くための重要な技術である。
ドメイン固有のヒューリスティックをAnswer Set Programming (ASP)と統合する現在のアプローチは、部分的な割り当てに基づいて非単調に指定されるヒューリスティックを扱うときに不満足である。
このようなヒューリスティックは、例えば、まだビンパッキングに置かれていないアイテムを選ぶ際に、しばしば発生する。
そこで、ASP.NETにおけるドメイン固有ヒューリスティックスの宣言的仕様に関する新しい構文とセマンティクスを提案する。
提案手法は,これまで不可能であった問題解決時に維持される部分的割り当てに依存するヒューリスティックな文を支持する。
ALPHAは宣言的に指定されたドメイン固有ヒューリスティックをサポートする最初の遅延グラウンドASPシステムである。
提案のメリットを示すために,2つの実例ドメインが使用される。
さらに、当社のアプローチを使って、初めてASP内で取り組まれているA*によるインフォメーション検索を実装しています。
A*は2つのさらなる探索問題に適用される。
実験により, 遅延解法と新しいヒューリスティックスを組み合わせることは, 産業規模の問題解決に不可欠であることが確認された。
関連論文リスト
- Analyzing the Role of Semantic Representations in the Era of Large Language Models [104.18157036880287]
大規模言語モデル(LLM)の時代における意味表現の役割について検討する。
本稿では, AMRCoT と呼ばれる AMR-driven chain-of- Thought prompting 法を提案する。
AMRのどの入力例が役に立つかは予測できないが,複数単語の表現でエラーが発生する傾向にある。
論文 参考訳（メタデータ） (2024-05-02T17:32:59Z) - Knowledge Plugins: Enhancing Large Language Models for Domain-Specific
Recommendations [50.81844184210381]
本稿では,大規模言語モデルをDOmain固有のKnowledgEで拡張し,実践的アプリケーション,すなわちDOKEの性能を向上させるためのパラダイムを提案する。
このパラダイムはドメイン知識抽出器に依存し,1)タスクに効果的な知識を準備すること,2)特定のサンプルごとに知識を選択すること,3)LLMで理解可能な方法で知識を表現すること,の3つのステップで動作する。
論文 参考訳（メタデータ） (2023-11-16T07:09:38Z) - Inductive Learning of Declarative Domain-Specific Heuristics for ASP [1.0904219197219578]
本稿では,ドメイン固有性の自動学習に対する新しいアプローチを提案する。
Inductive Logic Programming(ILP)を使用して、小さなが代表的な問題インスタンスの(ほぼ)回答セットから生じる例からドメイン固有性を学ぶ。
実験結果から,同じ問題の大規模で難しいインスタンスを解く際に,学習者が性能とソリューションの品質を向上できることが示唆された。
論文 参考訳（メタデータ） (2023-08-30T08:55:17Z) - DAMO-NLP at SemEval-2023 Task 2: A Unified Retrieval-augmented System
for Multilingual Named Entity Recognition [94.90258603217008]
MultiCoNER RNum2共有タスクは、細粒度でノイズの多いシナリオにおいて、多言語の名前付きエンティティ認識(NER)に取り組むことを目的としている。
MultiCoNER RNum1の以前のトップシステムは、ナレッジベースまたはガゼッタを組み込んでいる。
細粒度多言語NERのための統一検索拡張システム(U-RaNER)を提案する。
論文 参考訳（メタデータ） (2023-05-05T16:59:26Z) - The Use of NLP-Based Text Representation Techniques to Support
Requirement Engineering Tasks: A Systematic Mapping Review [1.5469452301122177]
研究の方向性は、語彙的・構文的特徴の使用から高度な埋め込み技術の使用へと変化した。
既存の文献の4つのギャップ、それらが問題となる理由、そして今後の研究がそれらにどう対処し始めるかを特定する。
論文 参考訳（メタデータ） (2022-05-17T02:47:26Z) - InstructionNER: A Multi-Task Instruction-Based Generative Framework for
Few-shot NER [31.32381919473188]
InstructionNERというマルチタスク命令ベースの生成フレームワークを提案する。
具体的には、NERタスクを生成問題として再構成し、タスク固有の命令と回答オプションでソース文を豊かにし、自然言語のエンティティと型を推論する。
実験結果から,本手法は5つのデータセットのベースラインを数ショット設定で一貫的に上回っていることがわかった。
論文 参考訳（メタデータ） (2022-03-08T07:56:36Z) - DS-TOD: Efficient Domain Specialization for Task Oriented Dialog [12.395323315744625]
大規模対話データセット上での自己教師型ダイアログ固有の事前学習は、下流タスク指向ダイアログ(TOD)における従来の言語モデリング(LM)よりも大幅に向上する。
タスク指向対話における事前学習言語モデル(PLM)のドメイン特殊化の効果について検討する。
本稿では,ドメインアダプタを用いた資源効率・モジュール型ドメイン特化手法を提案する。
論文 参考訳（メタデータ） (2021-10-15T22:25:51Z) - Query and Extract: Refining Event Extraction as Type-oriented Binary
Decoding [51.57864297948228]
本稿では,自然言語クエリとしてイベントタイプと引数ロールを取り入れた新しいイベント抽出フレームワークを提案する。
我々のフレームワークは、イベントタイプや引数ロールと入力テキストとのセマンティックな相関をよりよく捉えるための注意機構の恩恵を受ける。
論文 参考訳（メタデータ） (2021-10-14T15:49:40Z) - Aggregate Semantics for Propositional Answer Set Programs [14.135212040150389]
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。
論文 参考訳（メタデータ） (2021-09-17T17:38:55Z) - Infusing Finetuning with Semantic Dependencies [62.37697048781823]
シンタックスとは異なり、セマンティクスは今日の事前訓練モデルによって表面化されないことを示す。
次に、畳み込みグラフエンコーダを使用して、タスク固有の微調整にセマンティック解析を明示的に組み込む。
論文 参考訳（メタデータ） (2020-12-10T01:27:24Z) - Heuristic Domain Adaptation [105.59792285047536]
Heuristic Domain Adaptation Network (HDAN)は、ドメイン不変およびドメイン固有表現を明示的に学習する。
Heuristic Domain Adaptation Network (HDAN)は、教師なしDA、マルチソースDA、半教師なしDAの最先端を超越している。
論文 参考訳（メタデータ） (2020-11-30T04:21:35Z)
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。