Fugu-MT 論文翻訳(概要): Know your exceptions: Towards an Ontology of Exceptions in Knowledge Representation

論文の概要: Know your exceptions: Towards an Ontology of Exceptions in Knowledge Representation

arxiv url: http://arxiv.org/abs/2403.00685v1
Date: Fri, 1 Mar 2024 17:19:35 GMT
ステータス: 処理完了
システム内更新日: 2024-03-05 16:45:30.832031
Title: Know your exceptions: Towards an Ontology of Exceptions in Knowledge Representation
Title（参考訳）: 例外を知る: 知識表現における例外のオントロジーに向けて
Authors: Gabriele Sacco, Loris Bozzato, Oliver Kutz
Abstract要約: 定義可能な推論は、すべての状況においていくつかの一般化が有効でないような推論の一種である。このような推論をモデル化する様々な形式主義が開発されている。モデラーがこれらのシステムの中から、オントロジの観点からドメインに合うものを選ぶのは容易ではない。
参考スコア（独自算出の注目度）: 1.6574413179773757
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Defeasible reasoning is a kind of reasoning where some generalisations may not be valid in all circumstances, that is general conclusions may fail in some cases. Various formalisms have been developed to model this kind of reasoning, which is characteristic of common-sense contexts. However, it is not easy for a modeller to choose among these systems the one that better fits its domain from an ontological point of view. In this paper we first propose a framework based on the notions of exceptionality and defeasibility in order to be able to compare formalisms and reveal their ontological commitments. Then, we apply this framework to compare four systems, showing the differences that may occur from an ontological perspective.
Abstract（参考訳）: 難解な推論は、ある一般化があらゆる状況において有効でない場合があり、その場合の一般的な結論が失敗するような推論の一種である。この種の推論をモデル化するために様々な形式主義が開発されてきた。しかし、モデルラーがこれらのシステムの中から、オントロジの観点からそのドメインに合致するものを選択することは容易ではない。本稿ではまず,形式主義を比較し,その存在論的コミットメントを明らかにするために,例外性とデファシビリティの概念に基づく枠組みを提案する。そして,この枠組みを用いて4つのシステムを比較し,存在論的観点から生じる相違点を示す。

関連論文リスト

Towards Generalizable and Faithful Logic Reasoning over Natural Language via Resolution Refutation [24.584926992534346]
本稿では,GFaiR(Generalizable and Faithful Reasoner)という新しいフレームワークを提案する。解法の難解化は、推論規則を拡張し、矛盾による証明の原理を採用することによって、全ての一階論理推論問題を解く能力を持つ。我々のシステムは、単純なシナリオでパフォーマンスを維持しながら、複雑なシナリオで最先端のパフォーマンスを達成することで、これまでの作業より優れています。
論文参考訳（メタデータ） (2024-04-02T06:28:44Z)
Conceptual and Unbiased Reasoning in Language Models [98.90677711523645]
本稿では,抽象的質問に対する概念的推論をモデルに強制する,新しい概念化フレームワークを提案する。既存の大規模言語モデルは概念的推論では不足しており、様々なベンチマークでは9%から28%に低下している。ハイレベルな抽象的推論が不偏で一般化可能な意思決定の鍵となるので、モデルがどのように改善できるかについて議論する。
論文参考訳（メタデータ） (2024-03-30T00:53:53Z)
A Semantic Approach to Decidability in Epistemic Planning (Extended Version) [72.77805489645604]
我々は決定可能性を達成するために新しい意味論的アプローチを用いる。具体的には、知識の論理S5$_n$と(知識)可換性と呼ばれる相互作用公理を拡大する。我々は,本フレームワークが,独立した知識である共通知識の有限的非固定点的特徴を認めていることを証明した。
論文参考訳（メタデータ） (2023-07-28T11:26:26Z)
Invariant Causal Set Covering Machines [64.86459157191346]
決定木のようなルールベースのモデルは、解釈可能な性質のために実践者にアピールする。しかし、そのようなモデルを生成する学習アルゴリズムは、しばしば刺激的な関連に弱いため、因果関係の洞察を抽出することが保証されていない。 Invariant Causal Set Covering Machines は、古典的集合被覆マシンアルゴリズムの拡張であり、二値ルールの結合/分離を可能とし、スプリアス関係を確実に回避する。
論文参考訳（メタデータ） (2023-06-07T20:52:01Z)
Addressing some common objections to generalized noncontextuality [0.0]
我々は、一般化された非文脈性の定義と、それを実験的にテストする可能性に対する批判に答える。 1つの反論は、実験の各実行中に実験の手順が実際に実行された古典的な記録の存在は、非文脈性の失敗の証明の必要な要素である操作等価関係が保持されないことを意味するということである。
論文参考訳（メタデータ） (2023-02-14T19:00:04Z)
MetaLogic: Logical Reasoning Explanations with Fine-Grained Structure [129.8481568648651]
複雑な実生活シナリオにおけるモデルの論理的推論能力を調べるためのベンチマークを提案する。推論のマルチホップ連鎖に基づいて、説明形式は3つの主成分を含む。この新たな説明形式を用いて,現在のベストモデルの性能を評価した。
論文参考訳（メタデータ） (2022-10-22T16:01:13Z)
A General Framework for Modelling Conditional Reasoning -- Preliminary Report [4.340338299803562]
ここでは、幅広い推論システムの定義を可能にする条件文の形式化を紹介し、検討する。このフレームワークは論理ベースのKRにおいて、最も一般的な条件推論をカバーしている。
論文参考訳（メタデータ） (2022-02-15T17:33:39Z)
A Description Logic for Analogical Reasoning [28.259681405091666]
我々は,類推による推論に依拠する,妥当な知識の欠如を推測するメカニズムを提案する。これは、記述論理の設定の中でアナログ推論を研究する最初の論文です。
論文参考訳（メタデータ） (2021-05-10T19:06:07Z)
When Hearst Is not Enough: Improving Hypernymy Detection from Corpus with Distributional Models [59.46552488974247]
本稿では,大きなテキストコーパスの助けを借りて,単語 (x, y) 間のis-a関係が存在するかどうかを論じる。近年の研究では、大規模なハーストペアを抽出して給餌し、目に見えない(x, y)ペアの親和性が緩和された場合、パターンベースのペアの方が優れていることが示唆されている。本稿では,これらの特定の事例の非無視的存在を初めて定量化し,その場合の分布法がパターンベースの事例を補うのに最適であることを示す。
論文参考訳（メタデータ） (2020-10-10T08:34:19Z)
Logical Neural Networks [51.46602187496816]
ニューラルネットワーク(学習)と記号論理(知識と推論)の両方の重要な特性をシームレスに提供する新しいフレームワークを提案する。すべてのニューロンは、重み付けされた実数値論理における公式の構成要素としての意味を持ち、非常に解釈不能な非絡み合い表現をもたらす。推論は事前に定義されたターゲット変数ではなく、オムニであり、論理的推論に対応する。
論文参考訳（メタデータ） (2020-06-23T16:55:45Z)
A structure theorem for generalized-noncontextual ontological models [0.0]
我々は、トモグラフィ的に局所的な操作理論の一般化された非文脈的存在論的モデルが驚くほど厳密で単純な数学的構造を持つことを示すために、プロセス理論の枠組みを用いる。我々は,古典性の概念の同値性に関する既知結果を,準備尺度から任意の構成シナリオまで拡張する。
論文参考訳（メタデータ） (2020-05-14T17:28:19Z)

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。