論文の概要: CNL2ASP: converting controlled natural language sentences into ASP
- arxiv url: http://arxiv.org/abs/2311.10505v1
- Date: Fri, 17 Nov 2023 13:10:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-20 14:43:59.318030
- Title: CNL2ASP: converting controlled natural language sentences into ASP
- Title(参考訳): CNL2ASP:制御された自然言語文をASPに変換する
- Authors: Simone Caruso, Carmine Dodaro, Marco Maratea, Marco Mochi, Francesco
Riccio
- Abstract要約: 制御された自然言語(CNL)形式で表現された英語文をASP.NETに翻訳する新しいツールCNL2ASPを提案する。
- 参考スコア(独自算出の注目度): 4.747324197963404
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Answer Set Programming (ASP) is a popular declarative programming language
for solving hard combinatorial problems. Although ASP has gained widespread
acceptance in academic and industrial contexts, there are certain user groups
who may find it more advantageous to employ a higher-level language that
closely resembles natural language when specifying ASP programs. In this paper,
we propose a novel tool, called CNL2ASP, for translating English sentences
expressed in a controlled natural language (CNL) form into ASP. In particular,
we first provide a definition of the type of sentences allowed by our CNL and
their translation as ASP rules, and then exemplify the usage of the CNL for the
specification of both synthetic and real-world combinatorial problems. Finally,
we report the results of an experimental analysis conducted on the real-world
problems to compare the performance of automatically generated encodings with
the ones written by ASP practitioners, showing that our tool can obtain
satisfactory performance on these benchmarks. Under consideration in Theory and
Practice of Logic Programming (TPLP).
- Abstract(参考訳): Answer Set Programming (ASP)は、難しい組合せ問題を解くための一般的な宣言型プログラミング言語である。
ASPは学術的、産業的に広く受け入れられてきたが、ASPプログラムを指定する際に自然言語によく似た高レベルの言語を採用する方が有利なユーザグループがある。
本稿では、制御された自然言語(CNL)形式で表現された英語文をASPに変換するCNL2ASPという新しいツールを提案する。
特に、まず、cnlが許容する文の種類とそれらの翻訳をasp規則として定義し、その後、合成問題と実世界の組合せ問題の両方の仕様に対するcnlの使用例を示す。
最後に,実世界の問題に対する実験的な解析の結果を報告し,自動生成エンコーディングの性能とASP実践者が書いたコードとの比較を行い,これらのベンチマークで満足な性能が得られることを示した。
論理プログラミングの理論と実践(tplp)における考察。
関連論文リスト
- LLASP: Fine-tuning Large Language Models for Answer Set Programming [6.261151680007598]
大規模言語モデル(LLM)は、コード生成を含む様々な自然言語処理タスクにおいて、その可能性を示した。
基本的なASPプログラムパターンをエンコードするように特別に訓練された、微調整された軽量モデルであるLLASPを提案する。
LLASP が生成する ASP プログラムの品質が顕著であることを示す実験を行った。
論文 参考訳(メタデータ) (2024-07-26T13:18:42Z) - NoviCode: Generating Programs from Natural Language Utterances by Novices [59.71218039095155]
初心者非プログラマによるAPIと自然言語記述を入力とする新しいNLプログラミングタスクであるNoviCodeを提示する。
我々は、NoviCodeがコード合成領域における挑戦的なタスクであることを示し、非技術的命令から複雑なコードを生成することは、現在のText-to-Codeパラダイムを超えている。
論文 参考訳(メタデータ) (2024-07-15T11:26:03Z) - Large Language Models are Interpretable Learners [53.56735770834617]
本稿では,Large Language Models(LLM)とシンボルプログラムの組み合わせによって,表現性と解釈可能性のギャップを埋めることができることを示す。
自然言語プロンプトを持つ事前訓練されたLLMは、生の入力を自然言語の概念に変換することができる解釈可能な膨大なモジュールセットを提供する。
LSPが学んだ知識は自然言語の記述と記号規則の組み合わせであり、人間(解釈可能)や他のLLMに容易に転送できる。
論文 参考訳(メタデータ) (2024-06-25T02:18:15Z) - Towards Automatic Composition of ASP Programs from Natural Language
Specifications [5.801044612920816]
本稿では,ASP(Answer Set Programming)仕様の構成を自動化するための第一歩について述べる。
NL2ASPはニューラルネットワークを使用して自然言語を制御自然言語(CNL)文に変換する。
実験は、アプローチの生存可能性を確認する。
論文 参考訳(メタデータ) (2024-03-07T14:36:52Z) - LEVER: Learning to Verify Language-to-Code Generation with Execution [64.36459105535]
本稿では,プログラムの実行結果の検証を学習することで,言語からコードへの生成を改善するシンプルな手法であるLEVERを提案する。
具体的には、LLMからサンプリングされたプログラムが、自然言語入力、プログラム自体とその実行結果に基づいて正しいか否かを判定するために、検証者を訓練する。
LEVER はベースコード LLMs (4.6% から 10.9% まで) を継続的に改善し、それらすべてに対して新しい最先端の結果を得る。
論文 参考訳(メタデータ) (2023-02-16T18:23:22Z) - Tools and Methodologies for Verifying Answer Set Programs [0.0]
ASP.NETは強力な宣言型プログラミングパラダイムで、検索と最適化の課題を解決するのによく使われます。
知識表現と推論へのアプローチとして、ASPはその単純さ、簡潔さ、厳密に定義されたセマンティクスから恩恵を受ける。
私の研究は、ASPプロガムの検証をサポートする理論とツールの拡張に関するものです。
論文 参考訳(メタデータ) (2022-08-05T10:50:21Z) - A Preliminary Data-driven Analysis of Common Errors Encountered by
Novice SPARC Programmers [0.0]
本研究は, ASP.NET を用いた K-12 学生のプログラミングエラーのタイプと難易度に着目した。
このデータセットのエラーメッセージから、エラークラスの集合を特定し、各クラスの発生頻度と解決の難しさを測定します。
論文 参考訳(メタデータ) (2022-08-05T10:48:25Z) - Leveraging Language to Learn Program Abstractions and Search Heuristics [66.28391181268645]
LAPS(Language for Abstraction and Program Search)は、自然言語アノテーションを用いて、ライブラリとニューラルネットワークによる合成のための検索モデルの共同学習をガイドする手法である。
最先端のライブラリ学習システム(DreamCoder)に統合されると、LAPSは高品質なライブラリを生成し、検索効率と一般化を改善する。
論文 参考訳(メタデータ) (2021-06-18T15:08:47Z) - Evaluating Multilingual Text Encoders for Unsupervised Cross-Lingual
Retrieval [51.60862829942932]
本稿では,言語間文書・文検索タスクにおける最先端多言語エンコーダの適合性に着目した体系的実証研究を行う。
文レベルのCLIRでは、最先端のパフォーマンスが達成できることを実証する。
しかし、ピーク性能は、汎用の多言語テキストエンコーダをオフ・ザ・シェルフで使うのではなく、文の理解タスクにさらに特化したバリエーションに依存している。
論文 参考訳(メタデータ) (2021-01-21T00:15:38Z) - A Machine Learning guided Rewriting Approach for ASP Logic Programs [0.0]
機械学習(ML)に基づいて、書き換えるかどうかを自動決定するアプローチについて説明する。
特に、ASPプログラムと入力事実のセットが与えられた場合、我々のアプローチは、それらの構造特性とドメイン情報を測定する一連の機能に基づいて、入力ルールを書き換えるかどうかと方法を選択する。
論文 参考訳(メタデータ) (2020-09-22T00:51:13Z) - The ILASP system for Inductive Learning of Answer Set Programs [79.41112438865386]
我々のシステムは、通常の規則、選択規則、厳しい制約を含むアンサーセットプログラムを学習する。
まず、ILASPの学習フレームワークとその機能の概要を説明します。
続いて、ILASPシステムの進化を概観する。
論文 参考訳(メタデータ) (2020-05-02T19:04:12Z)
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。