論文の概要: smProbLog: Stable Model Semantics in ProbLog for Probabilistic
Argumentation
- arxiv url: http://arxiv.org/abs/2304.00879v2
- Date: Mon, 17 Apr 2023 09:21:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-18 20:16:43.158665
- Title: smProbLog: Stable Model Semantics in ProbLog for Probabilistic
Argumentation
- Title(参考訳): smproblog:確率的議論のためのproblogの安定モデルセマンティクス
- Authors: Pietro Totis, Angelika Kimmig, Luc De Raedt
- Abstract要約: 本稿では,確率論的論理プログラミング(PLP)のセマンティクスにおいて,確率論的議論フレームワークを表すプログラムが共通の仮定を満たさないことを示す。
第二の貢献は、確率的事実の選択が論理的原子の真理割り当てを一意に決定しないプログラムのための新しいPLP意味論である。
3つ目のコントリビューションは、このセマンティクスをサポートするPLPシステムの実装である。
- 参考スコア(独自算出の注目度): 19.46250467634934
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Argumentation problems are concerned with determining the acceptability of a
set of arguments from their relational structure. When the available
information is uncertain, probabilistic argumentation frameworks provide
modelling tools to account for it. The first contribution of this paper is a
novel interpretation of probabilistic argumentation frameworks as probabilistic
logic programs. Probabilistic logic programs are logic programs in which some
of the facts are annotated with probabilities. We show that the programs
representing probabilistic argumentation frameworks do not satisfy a common
assumption in probabilistic logic programming (PLP) semantics, which is, that
probabilistic facts fully capture the uncertainty in the domain under
investigation. The second contribution of this paper is then a novel PLP
semantics for programs where a choice of probabilistic facts does not uniquely
determine the truth assignment of the logical atoms. The third contribution of
this paper is the implementation of a PLP system supporting this semantics:
smProbLog. smProbLog is a novel PLP framework based on the probabilistic logic
programming language ProbLog. smProbLog supports many inference and learning
tasks typical of PLP, which, together with our first contribution, provide
novel reasoning tools for probabilistic argumentation. We evaluate our approach
with experiments analyzing the computational cost of the proposed algorithms
and their application to a dataset of argumentation problems.
- Abstract(参考訳): 議論問題は、それらの関係構造から一連の引数の受け入れ可能性を決定することに関係している。
利用可能な情報が不確実な場合、確率論的議論フレームワークは、それを説明するモデリングツールを提供する。
この論文の最初の貢献は、確率的議論フレームワークを確率的論理プログラムとして新しい解釈である。
確率論理プログラム(probabilistic logic program)は、いくつかの事実に確率を付記した論理プログラムである。
本稿では,確率論的論理プログラミング(PLP)のセマンティクスにおいて,確率論的議論フレームワークを表すプログラムが共通の前提を満たしていないことを示す。
この論文の第二の貢献は、確率的事実の選択が論理原子の真理割り当てを一意に決定しないプログラムのための新しいPLP意味論である。
本論文の3番目の貢献は,この意味論をサポートするplpシステムの実装であるsmproblogの実装である。
smProbLogは確率論理型プログラミング言語ProbLogをベースにした新しいPLPフレームワークである。
smproblogはplpの典型的な推論や学習タスクをサポートしており、私たちの最初の貢献とともに確率的議論のための新しい推論ツールを提供しています。
本手法は,提案アルゴリズムの計算コストを解析し,議論問題のデータセットに適用する実験を用いて評価する。
関連論文リスト
- Probabilistic Answer Set Programming with Discrete and Continuous Random Variables [0.18416014644193066]
Probabilistic Answer Set Programming (PASP)は、不確実な情報を表す確率的事実でAnswer Set Programmingを拡張します。
我々はHPASP(Hybrid Probabilistic Answer Set Programming)を提案する。
本稿では,予測された回答集合列挙と知識コンパイルに基づいて,2つの正確なアルゴリズムの性能を議論し,実装し,評価する。
論文 参考訳(メタデータ) (2024-09-30T13:24:42Z) - LINC: A Neurosymbolic Approach for Logical Reasoning by Combining
Language Models with First-Order Logic Provers [60.009969929857704]
論理的推論は、科学、数学、社会に潜在的影響を与える可能性のある人工知能にとって重要なタスクである。
本研究では、LINCと呼ばれるモジュール型ニューロシンボリックプログラミングのようなタスクを再構成する。
我々は,FOLIOとProofWriterのバランスの取れたサブセットに対して,ほぼすべての実験条件下で,3つの異なるモデルに対して顕著な性能向上を観察した。
論文 参考訳(メタデータ) (2023-10-23T17:58:40Z) - "What if?" in Probabilistic Logic Programming [2.9005223064604078]
ProbLogプログラムは、特定の確率でのみ保持される事実を持つ論理プログラムである。
クエリに答えることによって、このProbLog言語を拡張します。
論文 参考訳(メタデータ) (2023-05-24T16:35:24Z) - $\omega$PAP Spaces: Reasoning Denotationally About Higher-Order,
Recursive Probabilistic and Differentiable Programs [64.25762042361839]
$omega$PAP 空間は表現的微分可能および確率的プログラミング言語についての推論のための空間である。
我々の意味論は、最も実践的な確率的で微分可能なプログラムに意味を割り当てるのに十分である。
確率プログラムのトレース密度関数のほぼすべての微分可能性を確立する。
論文 参考訳(メタデータ) (2023-02-21T12:50:05Z) - Machine Learning with Probabilistic Law Discovery: A Concise
Introduction [77.34726150561087]
Probabilistic Law Discovery (PLD) は、確率論的ルール学習の変種を実装した論理ベースの機械学習手法である。
PLDはDecision Tree/Random Forestメソッドに近いが、関連するルールの定義方法に大きく異なる。
本稿はPLDの主な原則を概説し、その利点と限界を強調し、いくつかのアプリケーションガイドラインを提供する。
論文 参考訳(メタデータ) (2022-12-22T17:40:13Z) - Probabilistic Deduction: an Approach to Probabilistic Structured
Argumentation [1.027974860479791]
確率的推論(英: Probabilistic Deduction、PD)は確率的構造的議論に対するアプローチである。
PDは確率論的推論と議論的推論を統一するフレームワークを提供する。
これは、結合分布が外部ソースとして仮定されない確率的構造化議論における最初の研究である。
論文 参考訳(メタデータ) (2022-09-01T03:58:38Z) - SMProbLog: Stable Model Semantics in ProbLog and its Applications in
Argumentation [17.71804768917815]
SMProbLogは確率論理プログラミング言語ProbLogの一般化である。
本稿では,SMProbLogを用いて確率論的議論問題を解き明かす方法について述べる。
論文 参考訳(メタデータ) (2021-10-05T12:29:22Z) - Logical Credal Networks [87.25387518070411]
本稿では,論理と確率を組み合わせた先行モデルの多くを一般化した表現的確率論的論理である論理的クレダルネットワークを紹介する。
本稿では,不確実性のあるマスターミンドゲームを解くこと,クレジットカード詐欺を検出することを含む,最大後部推論タスクの性能について検討する。
論文 参考訳(メタデータ) (2021-09-25T00:00:47Z) - Non-ground Abductive Logic Programming with Probabilistic Integrity
Constraints [2.624902795082451]
本稿では,変数の確率的推論に対処する,よりリッチな論理言語について考察する。
まず, 分配セマンティックスに基づいて, 全体としての帰納的言語とその意味を提示する。
次に,前述したものを拡張して得られた証明手順を導入し,その健全性と完全性を証明する。
論文 参考訳(メタデータ) (2021-08-06T10:22:12Z) - Online Learning Probabilistic Event Calculus Theories in Answer Set
Programming [70.06301658267125]
イベント認識(CER)システムは、事前に定義されたイベントパターンを使用して、ストリーミングタイムスタンプデータセットで発生を検出する。
本稿では,複雑なイベントパターンによる確率論的推論を,イベント計算で重み付けされたルールの形で行うことができるAnswer Set Programming(ASP)に基づくシステムを提案する。
その結果, 効率と予測の両面で, 新たなアプローチの優位性が示された。
論文 参考訳(メタデータ) (2021-03-31T23:16:29Z) - Tractable Inference in Credal Sentential Decision Diagrams [116.6516175350871]
確率感性決定図は、解離ゲートの入力が確率値によってアノテートされる論理回路である。
我々は、局所確率を質量関数のクレーダル集合に置き換えることができる確率の一般化である、クレーダル感性決定図を開発する。
まず,ノイズの多い7セグメント表示画像に基づく簡単なアプリケーションについて検討する。
論文 参考訳(メタデータ) (2020-08-19T16:04:34Z)
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。