論文の概要: Goal-Driven Reasoning in DatalogMTL with Magic Sets
- arxiv url: http://arxiv.org/abs/2412.07259v2
- Date: Mon, 23 Dec 2024 02:24:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 22:39:26.934709
- Title: Goal-Driven Reasoning in DatalogMTL with Magic Sets
- Title(参考訳): マジックセットを用いたDatalogMTLにおけるゴール駆動推論
- Authors: Shaoyu Wang, Kaiyue Zhao, Dongliang Wei, Przemysław Andrzej Wałęga, Dingmin Wang, Hongming Cai, Pan Hu,
- Abstract要約: DatalogMTLは時間的推論のための強力なルールベースの言語である。
本稿では,マジックセット技術を利用したDatalogMTLの新しい推論手法を提案する。
このアプローチを実装し、いくつかの公開ベンチマークで評価する。
- 参考スコア(独自算出の注目度): 4.885086628404422
- License:
- Abstract: DatalogMTL is a powerful rule-based language for temporal reasoning. Due to its high expressive power and flexible modeling capabilities, it is suitable for a wide range of applications, including tasks from industrial and financial sectors. However, due its high computational complexity, practical reasoning in DatalogMTL is highly challenging. To address this difficulty, we introduce a new reasoning method for DatalogMTL which exploits the magic sets technique -- a rewriting approach developed for (non-temporal) Datalog to simulate top-down evaluation with bottom-up reasoning. We implement this approach and evaluate it on several publicly available benchmarks, showing that the proposed approach significantly and consistently outperforms performance of the state-of-the-art reasoning techniques.
- Abstract(参考訳): DatalogMTLは時間的推論のための強力なルールベースの言語である。
高い表現力と柔軟なモデリング能力のため、産業や金融分野のタスクを含む幅広い応用に適している。
しかし、計算複雑性が高いため、DatalogMTLの実践的推論は非常に困難である。
ボトムアップ推論を用いてトップダウン評価をシミュレートする(非時間的)データログのために開発された書き直し手法であるマジックセット技術を利用したDatalogMTLの新しい推論手法を提案する。
提案手法は,提案手法が最先端の推論手法の性能を大幅に向上し,一貫して性能を向上することを示す。
関連論文リスト
- Enhancing Logical Reasoning in Large Language Models through Graph-based Synthetic Data [53.433309883370974]
本研究では,大規模言語モデルの推論能力を高めるための学習信号としてグラフベースの合成推論データを使用することの可能性と限界について検討する。
2つの確立された自然言語推論タスクにおいて,合成グラフに基づく推論データによる教師付き微調整が,他の標準評価ベンチマークでの有効性を損なうことなく,LLMの推論性能を効果的に向上することを示した。
論文 参考訳(メタデータ) (2024-09-19T03:39:09Z) - Reliable Reasoning Beyond Natural Language [0.047888359248129786]
大きな言語モデル(LLM)は、しばしば、確実に柔軟に推論する能力の限界を示す。
本稿では,問題文から全ての関連情報を論理コード文として抽出し,エンコードする手法を提案する。
次に、論理型プログラミング言語(Prolog)を用いて、明示的な推論の反復的な計算を行う。
論文 参考訳(メタデータ) (2024-07-16T04:34:18Z) - MindStar: Enhancing Math Reasoning in Pre-trained LLMs at Inference Time [51.5039731721706]
MindStarは、大言語モデルの純粋に推論に基づく探索手法である。
推論タスクを探索問題として定式化し、最適な推論経路を特定するための2つの探索アイデアを提案する。
Llama-2-13BやMistral-7Bのようなオープンソースモデルの推論能力を大幅に向上させ、GPT-3.5やGrok-1に匹敵する性能を実現している。
論文 参考訳(メタデータ) (2024-05-25T15:07:33Z) - Ontological Reasoning over Shy and Warded Datalog$+/-$ for
Streaming-based Architectures (technical report) [6.689509223124273]
データログベースの存在論的推論システムは、しばしばDatalog$ +/-$という集合名の下で共有される言語を採用する。
本稿では,ShyとWarded Datalog$+/-$という,非常に有望で表現力豊かな2つの言語に焦点を当てる。
理論的基盤を利用して、ストリーミングベースのアーキテクチャにおいて特に効率的な推論に適合する、新しい推論技術、技術的には「分岐変種」を導入する。
次に、実環境設定上のオントロジ推論タスクを効率的に解決するために、参照ストリーミングベースのエンジンであるVadalogでそれらを実装します。
論文 参考訳(メタデータ) (2023-11-20T23:27:43Z) - InfiMM-Eval: Complex Open-Ended Reasoning Evaluation For Multi-Modal
Large Language Models [50.03163753638256]
MLLM(Multi-modal Large Language Models)は人工知能の分野で注目されている。
本ベンチマークは, 帰納的, 帰納的, 類推的推論の3つの主要な推論カテゴリから構成される。
我々は,この厳密に開発されたオープンエンド多段階精巧な推論ベンチマークを用いて,代表MLLMの選択を評価する。
論文 参考訳(メタデータ) (2023-11-20T07:06:31Z) - MuSR: Testing the Limits of Chain-of-thought with Multistep Soft Reasoning [63.80739044622555]
自然言語ナラティブで指定されたソフト推論タスクの言語モデルを評価するデータセットである MuSR を紹介する。
このデータセットには2つの重要な特徴がある。まず、ニューロシンボリック合成-自然生成アルゴリズムによって生成される。
第二に、私たちのデータセットインスタンスは、実世界の推論の領域に対応する無料のテキスト物語です。
論文 参考訳(メタデータ) (2023-10-24T17:59:20Z) - MURMUR: Modular Multi-Step Reasoning for Semi-Structured Data-to-Text
Generation [102.20036684996248]
多段階推論を用いた半構造化データからテキストを生成するための,ニューロシンボリックなモジュラーアプローチであるMURMURを提案する。
WebNLG や LogicNLG のような2つのデータ・テキスト生成タスクについて実験を行った。
論文 参考訳(メタデータ) (2022-12-16T17:36:23Z) - Seminaive Materialisation in DatalogMTL [10.850687097496373]
DatalogMTLは、計量時間演算子を備えたDatalogの拡張である。
本稿では,冗長計算を最小化するための物質化に基づく手法を提案する。
実験の結果,DatalogMTLの最適化セミナティブ戦略により,製造時間を大幅に短縮できることがわかった。
論文 参考訳(メタデータ) (2022-08-15T10:04:44Z) - Linear Temporal Logic Modulo Theories over Finite Traces (Extended
Version) [72.38188258853155]
有限トレース(LTLf)上の線形時間論理について検討する。
命題の文字は任意の理論で解釈された一階述語式に置き換えられる。
Satisfiability Modulo Theories (LTLfMT) と呼ばれる結果の論理は半決定可能である。
論文 参考訳(メタデータ) (2022-04-28T17:57:33Z) - MeTeoR: Practical Reasoning in Datalog with Metric Temporal Operators [12.145849273069627]
本稿では,物質化(前方連鎖)とオートマトンに基づく手法を組み合わせたDatalogMTLの実用的な推論手法を提案する。
MeTeoRは、複雑な時間的ルールを推論し、数百万の時間的事実のデータセットを含むスケーラブルなシステムである。
論文 参考訳(メタデータ) (2022-01-12T17:46:18Z)
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。