論文の概要: Guiding Word Equation Solving using Graph Neural Networks (Extended Technical Report)

• arxiv url: http://arxiv.org/abs/2411.15194v1
• Date: Tue, 19 Nov 2024 14:15:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-26 14:24:50.999089
• Title: Guiding Word Equation Solving using Graph Neural Networks (Extended Technical Report)
• Title（参考訳）: グラフニューラルネットワークを用いた単語方程式解法(拡張技術報告)
• Authors: Parosh Aziz Abdulla, Mohamed Faouzi Atig, Julie Cailler, Chencheng Liang, Philipp Rümmer,
• Abstract要約: 本稿では,単語方程式を解くためのグラフニューラルネットワーク誘導アルゴリズムを提案する。 このアルゴリズムは方程式の各辺の最初の項を反復的に書き直し、木のような探索空間を生み出す。 人工および実世界のベンチマークで実験を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper proposes a Graph Neural Network-guided algorithm for solving word equations, based on the well-known Nielsen transformation for splitting equations. The algorithm iteratively rewrites the first terms of each side of an equation, giving rise to a tree-like search space. The choice of path at each split point of the tree significantly impacts solving time, motivating the use of Graph Neural Networks (GNNs) for efficient split decision-making. Split decisions are encoded as multi-classification tasks, and five graph representations of word equations are introduced to encode their structural information for GNNs. The algorithm is implemented as a solver named DragonLi. Experiments are conducted on artificial and real-world benchmarks. The algorithm performs particularly well on satisfiable problems. For single word \mbox{equations}, DragonLi can solve significantly more problems than well-established string solvers. For the conjunction of multiple word equations, DragonLi is competitive with state-of-the-art string solvers.
• Abstract（参考訳）: 本稿では,単語方程式を分割する Nielsen 変換に基づく,単語方程式を解くためのグラフニューラルネットワーク誘導アルゴリズムを提案する。 このアルゴリズムは方程式の各辺の最初の項を反復的に書き直し、木のような探索空間を生み出す。 ツリーの各分割点における経路の選択は、効率的な分割決定のためのグラフニューラルネットワーク(GNN)の使用を動機として、問題解決時間に大きな影響を及ぼす。 分割決定は多分類タスクとして符号化され、GNNの構造情報を符号化するために、単語方程式の5つのグラフ表現が導入された。 このアルゴリズムはDragonLiという名前の解法として実装されている。 人工および実世界のベンチマークで実験を行う。 このアルゴリズムは、特に満足できる問題でうまく機能する。 単語 \mbox{equations} の場合、DragonLi は確立された文字列ソルバよりもはるかに多くの問題を解くことができる。 複数のワード方程式を組み合わせるために、DragonLiは最先端の文字列ソルバと競合する。

関連論文リスト

• LinSATNet: The Positive Linear Satisfiability Neural Networks [116.65291739666303]
  本稿では,ニューラルネットワークに人気の高い正の線形満足度を導入する方法について検討する。 本稿では,古典的なシンクホーンアルゴリズムを拡張し,複数の辺分布の集合を共同で符号化する,最初の微分可能満足層を提案する。
  論文  参考訳（メタデータ） (2024-07-18T22:05:21Z)
• Ensemble Quadratic Assignment Network for Graph Matching [52.20001802006391]
  グラフマッチングはコンピュータビジョンやパターン認識において一般的に用いられる技法である。 最近のデータ駆動型アプローチは、グラフマッチングの精度を著しく改善した。 データ駆動手法と従来の手法の利点を組み合わせたグラフニューラルネットワーク(GNN)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2024-03-11T06:34:05Z)
• NodeFormer: A Scalable Graph Structure Learning Transformer for Node Classification [70.51126383984555]
  本稿では,任意のノード間のノード信号を効率的に伝搬する全ペアメッセージパッシング方式を提案する。 効率的な計算は、カーナライズされたGumbel-Softmax演算子によって実現される。 グラフ上のノード分類を含む様々なタスクにおいて,本手法の有望な有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2023-06-14T09:21:15Z)
• ComSearch: Equation Searching with Combinatorial Strategy for Solving Math Word Problems with Weak Supervision [21.249411371568236]
  本稿では,数学的に等価な方程式を除外して探索空間を圧縮できる戦略式 textbfComSearch を用いた新しい探索アルゴリズムを提案する。 本稿では,誤記数論理を持つ擬似ラベルのノイズについて検討し,擬似ラベルを識別するランキングモデルを提案する。
  論文  参考訳（メタデータ） (2022-10-13T13:25:22Z)
• GNNRank: Learning Global Rankings from Pairwise Comparisons via Directed Graph Neural Networks [68.61934077627085]
  本稿では,グラフ埋め込みを学習可能なGNNと互換性のあるモデリングフレームワークであるGNNRankを紹介する。 既存の手法と比較して,我々の手法が競争力があり,しばしば優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2022-02-01T04:19:50Z)
• What's Wrong with Deep Learning in Tree Search for Combinatorial Optimization [8.879790406465556]
  本稿では、NP-hard Maximum Independent Set問題に対するオープンソースのベンチマークスイートについて、その重み付けと非重み付けの両変種について述べる。 また,Li らによる木探索アルゴリズム (NeurIPS 2018) の詳細な解析を行い,小型および大規模合成および実世界のグラフ上で様々な構成を検証した。 木探索で用いられるグラフ畳み込みネットワークは,解構造の有意な表現を学ばず,実際にランダムな値に置き換えることができることを示す。
  論文  参考訳（メタデータ） (2022-01-25T17:37:34Z)
• Learning by Fixing: Solving Math Word Problems with Weak Supervision [70.62896781438694]
  数学用語問題(mwps)の従来のニューラルネットワークソルバは、完全な監視によって学習され、多様なソリューションを生み出すことができない。 MWPを学習するためのテキスト弱教師付きパラダイムを提案する。 この手法は最終回答のアノテーションのみを必要とし、単一の問題に対して様々な解決策を生成できる。
  論文  参考訳（メタデータ） (2020-12-19T03:10:21Z)
• Solving Arithmetic Word Problems by Scoring Equations with Recursive Neural Networks [25.08023032443234]
  最近の研究は、算術語問題に対する答えを提供する候補解方程式の自動抽出とランキングを用いている。 そこで本研究では,Tree-RNN 構成を用いて,そのような候補解方程式を評価する新しい手法について検討する。 提案手法は,方程式の数学的表現を表現木に変換することで構成する。
  論文  参考訳（メタデータ） (2020-09-11T19:48:42Z)
• Neural Subgraph Matching [57.05893848555512]
  NeuroMatchは、サブグラフマッチングに対する正確で効率的で堅牢な神経アプローチである。 NeuroMatchは、既存の幾何学的アプローチよりも100倍高速で、既存のサブグラフマッチング手法よりも18%精度が高い。
  論文  参考訳（メタデータ） (2020-07-06T22:06:38Z)
• Graph-to-Tree Neural Networks for Learning Structured Input-Output Translation with Applications to Semantic Parsing and Math Word Problem [33.610361579567794]
  本稿では,グラフエンコーダと階層木デコーダからなる新しいグラフからトレーニューラルネットワークを提案し,グラフ構造入力を符号化し,木構造出力を復号する。 我々の実験は、Graph2Treeモデルがこれらのタスクにおける他の最先端モデルの性能より優れているか、あるいは一致していることを示した。
  論文  参考訳（メタデータ） (2020-04-07T17:36:38Z)
• GLSearch: Maximum Common Subgraph Detection via Learning to Search [33.9052190473029]
  検索モデルに対するグラフニューラルネットワーク(GNN)に基づく学習手法であるGLSearchを提案する。 このモデルでは2つの入力グラフから1対のノードを選択して一度に拡張する。 我々のGLSearchは、グラフ上の制約で他の多くの問題を解決するために拡張できる可能性がある。
  論文  参考訳（メタデータ） (2020-02-08T10:03:40Z)

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。