Fugu-MT 論文翻訳(概要): Explanations for Answer Set Programming

論文の概要: Explanations for Answer Set Programming

arxiv url: http://arxiv.org/abs/2308.15879v1
Date: Wed, 30 Aug 2023 09:03:07 GMT
ステータス: 処理完了
システム内更新日: 2023-08-31 14:02:24.039992
Title: Explanations for Answer Set Programming
Title（参考訳）: 解集合プログラミングの解説
Authors: Mario Alviano (University of Calabria), Ly Ly Trieu (New Mexico State Universty), Tran Cao Son (New Mexico State Universty), Marcello Balduccini (Saint Joseph's University)
Abstract要約: 本稿では、解答集合プログラミング(ASP)のための説明グラフを生成するシステムであるxASPの拡張について述べる。新しいシステムであるxASP2は、選択ルールや制約、#sum、#minなどの集約など、さまざまなクリンゴ構造をサポートしている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The paper presents an enhancement of xASP, a system that generates explanation graphs for Answer Set Programming (ASP). Different from xASP, the new system, xASP2, supports different clingo constructs like the choice rules, the constraints, and the aggregates such as #sum, #min. This work formalizes and presents an explainable artificial intelligence system for a broad fragment of ASP, capable of shrinking as much as possible the set of assumptions and presenting explanations in terms of directed acyclic graphs.
Abstract（参考訳）: 本稿では、解答集合プログラミング(ASP)のための説明グラフを生成するシステムであるxASPの拡張について述べる。 xASPとは違って、新しいシステムであるxASP2は、選択ルールや制約、#sum、#minなどの集約など、さまざまなclingo構造をサポートしている。この研究は、ASPの幅広い断片に対して説明可能な人工知能システムを形式化し、提示し、仮定の集合を可能な限り小さくし、非巡回グラフの観点から説明を提示することができる。

関連論文リスト

One-for-many Counterfactual Explanations by Column Generation [10.722820966396192]
我々は,一群のインスタンスに対して,一組の対実的説明を生成するという問題を考察する。はじめに、すべてのインスタンスを説明するのに必要な説明の数を最小化する問題を解く。説明を効率的に検索する新しい列生成フレームワークを開発した。
論文参考訳（メタデータ） (2024-02-12T10:03:31Z)
Explanation Selection Using Unlabeled Data for Chain-of-Thought Prompting [80.9896041501715]
非専門家によって書かれたオフ・ザ・シェルフの説明のように、タスクのために"チューニング"されていない説明は、中途半端なパフォーマンスをもたらす可能性がある。本稿では,ブラックボックス方式で説明拡散プロンプトを最適化する方法の課題に対処する。
論文参考訳（メタデータ） (2023-02-09T18:02:34Z)
Entailment Tree Explanations via Iterative Retrieval-Generation Reasoner [56.08919422452905]
我々はIRGR(Iterative Retrieval-Generation Reasoner)と呼ばれるアーキテクチャを提案する。本モデルでは,テキストの前提からステップバイステップの説明を体系的に生成することにより,与えられた仮説を説明することができる。前提条件の検索と細分化木の生成に関する既存のベンチマークを上回り、全体の正しさはおよそ300%向上した。
論文参考訳（メタデータ） (2022-05-18T21:52:11Z)
Explaining Preference-driven Schedules: the EXPRES Framework [23.47188079362728]
EXPRESフレームワークを導入し、与えられた最適なスケジュールで優先権が満足できない理由を説明する。 EXPRESフレームワークは、 (i) 混合整数線形プログラミングモデルに基づいて、不満足な嗜好を説明する最高の理由セットを見つける説明生成器と、 (ii) 生成された説明を人間の解釈可能なものに変換する説明器から構成される。
論文参考訳（メタデータ） (2022-03-16T19:15:21Z)
exp(ASPc) : Explaining ASP Programs with Choice Atoms and Constraint Rules [0.0]
exp(ASP) はリテラル l に対する説明グラフを生成する。 exp(ASPc)は、選択と制約に関する情報を含む説明グラフを提供する。
論文参考訳（メタデータ） (2021-09-17T01:48:14Z)
Utilizing Treewidth for Quantitative Reasoning on Epistemic Logic Programs [22.39203220587435]
本稿では,このような量的推論問題に対処するために必要な基礎的数え上げ問題を効率的に解くことのできる,新しいシステムを提案する。本システムでは,木幅をグラフベースで表し,ELPプログラムの抽象表現(グラフ)を反復的に探索し,精算する。私たちのアプローチは、最近導入された既存のシステムと競合しています。
論文参考訳（メタデータ） (2021-08-06T09:46:34Z)
BASS: Boosting Abstractive Summarization with Unified Semantic Graph [49.48925904426591]
BASSは、統合されたセマンティックグラフに基づく抽象的な要約を促進するためのフレームワークである。文書表現と要約生成の両方を改善するために,グラフベースのエンコーダデコーダモデルを提案する。実験結果から,提案アーキテクチャは長期文書および複数文書要約タスクに大幅な改善をもたらすことが示された。
論文参考訳（メタデータ） (2021-05-25T16:20:48Z)
Dynamic Semantic Graph Construction and Reasoning for Explainable Multi-hop Science Question Answering [50.546622625151926]
マルチホップQAのための説明可能性を得ながら,より有効な事実を活用できる新しいフレームワークを提案する。 a) tt AMR-SG,(a) tt AMR-SG,(a) tt AMR-SG,(a) tt AMR-SG,(c) グラフ畳み込みネットワーク(GCN)を利用した事実レベルの関係モデリング,(c) 推論過程の導出を行う。
論文参考訳（メタデータ） (2021-05-25T09:14:55Z)
grASP: A Graph Based ASP-Solver and Justification System [5.098678276629787]
本稿では,目標の結合をノードとして明示的に表現する,新たな依存グラフに基づく解集合探索手法を提案する。私たちの表現は因果関係を保ち、答えセットの各リテラルをエレガントに見つけるために正当化します。
論文参考訳（メタデータ） (2021-04-02T18:16:20Z)
Text Modular Networks: Learning to Decompose Tasks in the Language of Existing Models [61.480085460269514]
本稿では,既存のモデルで解けるより単純なモデルに分解することで,複雑なタスクを解くための解釈可能なシステムを構築するためのフレームワークを提案する。我々はこのフレームワークを用いて、ニューラルネットワークのファクトイド単一スパンQAモデルとシンボリック電卓で答えられるサブクエストに分解することで、マルチホップ推論問題に答えられるシステムであるModularQAを構築する。
論文参考訳（メタデータ） (2020-09-01T23:45:42Z)
ClarQ: A large-scale and diverse dataset for Clarification Question Generation [67.1162903046619]
そこで我々は,スタックエクスチェンジから抽出したポストコメンデーションに基づいて,多様な,大規模な明確化質問データセットの作成を支援する,新しいブートストラップフレームワークを考案した。質問応答の下流タスクに適用することで,新たに作成したデータセットの有用性を定量的に示す。我々はこのデータセットを公開し、ダイアログと質問応答システムの拡張という大きな目標を掲げて、質問生成の分野の研究を促進する。
論文参考訳（メタデータ） (2020-06-10T17:56:50Z)

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。