論文の概要: Neuro-symbolic Commonsense Social Reasoning

• arxiv url: http://arxiv.org/abs/2303.08264v1
• Date: Tue, 14 Mar 2023 22:37:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-16 15:23:26.866659
• Title: Neuro-symbolic Commonsense Social Reasoning
• Title（参考訳）: ニューロシンボリックコモンセンス社会推論
• Authors: David Chanin, Anthony Hunter
• Abstract要約: 我々は、自然言語の親指(ROT)の社会ルールを、ニューロシンボリック定理証明器を用いて一階述語論理に変換する。 本研究の目的は,社会的状況に対する論理的な推論を行うニューロシンボリックな手法を開発し,評価することである。
• 参考スコア（独自算出の注目度）: 4.111899441919164
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social norms underlie all human social interactions, yet formalizing and reasoning with them remains a major challenge for AI systems. We present a novel system for taking social rules of thumb (ROTs) in natural language from the Social Chemistry 101 dataset and converting them to first-order logic where reasoning is performed using a neuro-symbolic theorem prover. We accomplish this in several steps. First, ROTs are converted into Abstract Meaning Representation (AMR), which is a graphical representation of the concepts in a sentence, and align the AMR with RoBERTa embeddings. We then generate alternate simplified versions of the AMR via a novel algorithm, recombining and merging embeddings for added robustness against different wordings of text, and incorrect AMR parses. The AMR is then converted into first-order logic, and is queried with a neuro-symbolic theorem prover. The goal of this paper is to develop and evaluate a neuro-symbolic method which performs explicit reasoning about social situations in a logical form.
• Abstract（参考訳）: 社会的規範はすべての人間の社会的相互作用を裏付けるが、その形式化と推論はaiシステムにとって大きな課題である。 本稿では,社会化学101データセットから自然言語の親指(ROT)の社会ルールを抽出し,その論理を一階述語論理に変換し,ニューロシンボリックな定理証明器を用いて推論を行う新しいシステムを提案する。 これをいくつかのステップで達成します。 まず、ROTを抽象的意味表現(AMR)に変換する。これは文中の概念のグラフィカルな表現であり、AMRをRoBERTa埋め込みと整列させる。 次に,新しいアルゴリズムを用いてAMRの簡易バージョンを生成し,テキストの異なる単語に対するロバスト性を付加した埋め込みとマージを行い,誤ったAMR解析を行う。 AMRはその後一階論理に変換され、ニューロシンボリック定理証明器でクエリされる。 本研究の目的は,社会的状況に対する論理的な推論を行うニューロシンボリック手法を開発し,評価することである。

関連論文リスト

• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• Identification of Entailment and Contradiction Relations between Natural Language Sentences: A Neurosymbolic Approach [8.931767102433637]
  自然言語推論(NLI)は、自然言語理解の重要な側面である。 RTEへの説明可能なアプローチの必要性に対処するために,テキストを抽象表現に変換する新しいパイプラインを提案する。 次に、AMRグラフを命題論理に変換し、SATソルバを用いて自動推論を行う。
  論文  参考訳（メタデータ） (2024-05-02T13:06:24Z)
• LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and Reasoning [73.98142349171552]
  LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。 ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。 これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
  論文  参考訳（メタデータ） (2023-09-24T05:43:19Z)
• Extensions to Generalized Annotated Logic and an Equivalent Neural Architecture [4.855957436171202]
  本稿では,ニューロシンボリックシステムに対する望ましい基準のリストを提案し,既存のアプローチのいくつかがこれらの基準にどう対処するかを検討する。 次に、等価なニューラルアーキテクチャの作成を可能にするアノテーション付き一般化論理の拡張を提案する。 トレーニングプロセスの継続的な最適化に依存する従来のアプローチとは異なり、当社のフレームワークは、離散最適化を使用する二項化ニューラルネットワークとして設計されている。
  論文  参考訳（メタデータ） (2023-02-23T17:39:46Z)
• A Semantic Framework for Neuro-Symbolic Computing [0.36832029288386137]
  我々は、知識ベースを符号化できるコンポーネントと条件を規定する意味的エンコーディングの形式的定義を提供する。 この定義により、多くのニューロシンボリックアプローチが説明できる。 これは、既存のニューロシンボリックシステムの全ファミリーのセマンティックエンコーディングのより広い文脈に配置することで、将来のニューロシンボリックエンコーディングへのガイダンスを提供することが期待されている。
  論文  参考訳（メタデータ） (2022-12-22T22:00:58Z)
• Neural-Symbolic Recursive Machine for Systematic Generalization [113.22455566135757]
  我々は、基底記号システム(GSS)のコアとなるニューラル・シンボリック再帰機械(NSR)を紹介する。 NSRは神経知覚、構文解析、意味推論を統合している。 我々はNSRの有効性を,系統的一般化能力の探索を目的とした4つの挑戦的ベンチマークで評価した。
  論文  参考訳（メタデータ） (2022-10-04T13:27:38Z)
• A Survey : Neural Networks for AMR-to-Text [2.3924114046608627]
  AMR-to-Textは、抽象的意味表現(AMR)グラフから文を生成することを目的とした、NLPコミュニティの重要なテクニックの1つである。 2013年にAMRが提案されて以来、AMR-to-Textの研究は、構造化データのテキストへの必須の分岐として、ますます広まりつつある。
  論文  参考訳（メタデータ） (2022-06-15T07:20:28Z)
• MERIt: Meta-Path Guided Contrastive Learning for Logical Reasoning [63.50909998372667]
  テキストの論理的ReasonIngに対して,Metaパスを用いたコントラスト学習手法であるMERItを提案する。 2つの新しい戦略が我々の手法の必須要素である。
  論文  参考訳（メタデータ） (2022-03-01T11:13:00Z)
• Neuro-Symbolic Reinforcement Learning with First-Order Logic [63.003353499732434]
  論理ニューラルネットワークと呼ばれる最近のニューラルシンボリック・フレームワークを用いたテキストベースゲームのための新しいRL手法を提案する。 実験の結果,提案手法を用いたRLトレーニングは,TextWorldベンチマークにおいて,他の最先端のニューロシンボリック手法よりもはるかに高速に収束することがわかった。
  論文  参考訳（メタデータ） (2021-10-21T08:21:49Z)
• Question Answering over Knowledge Bases by Leveraging Semantic Parsing and Neuro-Symbolic Reasoning [73.00049753292316]
  本稿では,意味解析と推論に基づくニューロシンボリック質問回答システムを提案する。 NSQAはQALD-9とLC-QuAD 1.0で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-12-03T05:17:55Z)

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。