Fugu-MT 論文翻訳(概要): Perspectives on neural proof nets

論文の概要: Perspectives on neural proof nets

arxiv url: http://arxiv.org/abs/2211.04141v1
Date: Tue, 8 Nov 2022 10:17:59 GMT
ステータス: 処理完了
システム内更新日: 2022-11-09 16:11:05.729259
Title: Perspectives on neural proof nets
Title（参考訳）: ニューラル証明ネットの展望
Authors: Richard Moot (TEXTE, LIRMM, CNRS)
Abstract要約: 証明ネットの証明探索とニューラルネットワークを組み合わせた新しい手法を提案する。これは、型論理文法の証明探索に応用された'標準'アプローチとは対照的である。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper I will present a novel way of combining proof net proof search with neural networks. It contrasts with the 'standard' approach which has been applied to proof search in type-logical grammars in various different forms. In the standard approach, we first transform words to formulas (supertagging) then match atomic formulas to obtain a proof. I will introduce an alternative way to split the task into two: first, we generate the graph structure in a way which guarantees it corresponds to a lambda-term, then we obtain the detailed structure using vertex labelling. Vertex labelling is a well-studied task in graph neural networks, and different ways of implementing graph generation using neural networks will be explored.
Abstract（参考訳）: 本稿では,証明ネットの証明探索とニューラルネットワークを組み合わせた新しい手法を提案する。様々な形態の型論理文法の探索に応用された「標準」アプローチとは対照的である。標準的な手法では、まず単語を式に変換し(置換)、次に原子式にマッチして証明を得る。まず、ラムダ項に対応することを保証する方法でグラフ構造を生成し、次に頂点ラベルを使って詳細な構造を得る。頂点ラベリングはグラフニューラルネットワークにおけるよく研究されたタスクであり、ニューラルネットワークを用いたグラフ生成の実装方法が検討される。

関連論文リスト

Graph Neural Networks on Discriminative Graphs of Words [19.817473565906777]
本研究では,単語グラフニューラルネットワーク(DGoW-GNN)によるテキストの識別手法を提案する。本稿では,GNNとシーケンスモデルを組み合わせたグラフベースのテキスト分類の新しいモデルを提案する。提案手法を7つのベンチマークデータセットで評価し,いくつかの最先端ベースラインモデルにより性能が向上していることを確認した。
論文参考訳（メタデータ） (2024-10-27T15:14:06Z)
GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2024-01-17T13:04:23Z)
Neural Graph Matching for Pre-training Graph Neural Networks [72.32801428070749]
グラフニューラルネットワーク(GNN)は、構造データのモデリングにおいて強力な能力を示している。 GMPTと呼ばれる新しいグラフマッチングベースのGNN事前学習フレームワークを提案する。提案手法は,完全自己指導型プレトレーニングと粗粒型プレトレーニングに適用できる。
論文参考訳（メタデータ） (2022-03-03T09:53:53Z)
A singular Riemannian geometry approach to Deep Neural Networks II. Reconstruction of 1-D equivalence classes [78.120734120667]
入力空間における出力多様体内の点の事前像を構築する。我々は、n-次元実空間から(n-1)-次元実空間へのニューラルネットワークマップの場合の簡易性に焦点をあてる。
論文参考訳（メタデータ） (2021-12-17T11:47:45Z)
Graph Convolutional Networks with Dual Message Passing for Subgraph Isomorphism Counting and Matching [42.55928561326902]
グラフニューラルネットワーク(GNN)とメッセージパッシングニューラルネットワーク(MPNN)は、サブグラフ構造に対して表現可能であることが証明されている。サブストラクチャ表現学習を強化するために,デュアルメッセージパッシングニューラルネットワーク(DMPNN)を提案する。
論文参考訳（メタデータ） (2021-12-16T10:23:48Z)
Line Graph Neural Networks for Link Prediction [71.00689542259052]
実世界の多くのアプリケーションにおいて古典的なグラフ解析問題であるグラフリンク予測タスクについて検討する。このフォーマリズムでは、リンク予測問題をグラフ分類タスクに変換する。本稿では,線グラフをグラフ理論に用いて,根本的に異なる新しい経路を求めることを提案する。特に、線グラフの各ノードは、元のグラフのユニークなエッジに対応するため、元のグラフのリンク予測問題は、グラフ分類タスクではなく、対応する線グラフのノード分類問題として等価に解決できる。
論文参考訳（メタデータ） (2020-10-20T05:54:31Z)
Sequential Graph Convolutional Network for Active Learning [53.99104862192055]
逐次グラフ畳み込みネットワーク(GCN)を用いた新しいプールベースアクティブラーニングフレームワークを提案する。少数のランダムなサンプル画像がシードラベル付き例であるので、グラフのパラメータを学習してラベル付きノードと非ラベル付きノードを区別する。我々はGCNの特性を利用してラベル付けされたものと十分に異なる未ラベルの例を選択する。
論文参考訳（メタデータ） (2020-06-18T00:55:10Z)
Heterogeneous Graph Neural Networks for Extractive Document Summarization [101.17980994606836]
クロス文関係は、抽出文書要約における重要なステップである。 We present a graph-based neural network for extractive summarization (HeterSumGraph) 抽出文書要約のためのグラフベースニューラルネットワークに異なる種類のノードを導入する。
論文参考訳（メタデータ） (2020-04-26T14:38:11Z)
Convolutional Kernel Networks for Graph-Structured Data [37.13712126432493]
我々は,多層グラフカーネルのファミリーを導入し,グラフ畳み込みニューラルネットワークとカーネルメソッドの新たなリンクを確立する。提案手法は,グラフをカーネル特徴写像の列として表現することにより,畳み込みカーネルネットワークをグラフ構造データに一般化する。我々のモデルは、大規模データに対してエンドツーエンドでトレーニングすることもでき、新しいタイプのグラフ畳み込みニューラルネットワークをもたらす。
論文参考訳（メタデータ） (2020-03-11T09:44:03Z)
Edge-based sequential graph generation with recurrent neural networks [21.258861822241272]
本稿では,グラフの生成過程をノードオーダ処理に依存するシーケンシャルにキャストすることを提案する。このシーケンシャルなプロセスを用いて、グラフのエッジを予測する2つの繰り返しニューラルネットワークからなる新しい生成モデルを設計する。
論文参考訳（メタデータ） (2020-01-31T23:44:25Z)
Tensor Graph Convolutional Networks for Text Classification [17.21683037822181]
グラフベースのニューラルネットワークは、グローバル情報をキャプチャする機能など、いくつかの優れた特性を示している。本稿では,テキスト分類問題に対するグラフベースニューラルネットワークについて検討する。
論文参考訳（メタデータ） (2020-01-12T14:28:33Z)

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。