論文の概要: Reasoning based on symbolic and parametric knowledge bases: a survey
- arxiv url: http://arxiv.org/abs/2501.01030v1
- Date: Thu, 02 Jan 2025 03:21:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-05 17:16:46.637814
- Title: Reasoning based on symbolic and parametric knowledge bases: a survey
- Title（参考訳）: 記号的・パラメトリックな知識ベースに基づく推論--サーベイ
- Authors: Mayi Xu, Yunfeng Ning, Yongqi Li, Jianhao Chen, Jintao Wen, Yao Xiao, Shen Zhou, Birong Pan, Zepeng Bao, Xin Miao, Hankun Kang, Ke Sun, Tieyun Qian,
- Abstract要約: 推論(Reasoning)とは、既存の知識に基づいて新たな結論を導くこと。
本稿ではまず,知識ベースを記号とパラメトリックに分類する。
次に,記号的知識ベース,パラメトリック知識ベース,およびそれらの両方を用いた推論手法の概要について概説する。
- 参考スコア（独自算出の注目度）: 15.6072693152133
- License:
- Abstract: Reasoning is fundamental to human intelligence, and critical for problem-solving, decision-making, and critical thinking. Reasoning refers to drawing new conclusions based on existing knowledge, which can support various applications like clinical diagnosis, basic education, and financial analysis. Though a good number of surveys have been proposed for reviewing reasoning-related methods, none of them has systematically investigated these methods from the viewpoint of their dependent knowledge base. Both the scenarios to which the knowledge bases are applied and their storage formats are significantly different. Hence, investigating reasoning methods from the knowledge base perspective helps us better understand the challenges and future directions. To fill this gap, this paper first classifies the knowledge base into symbolic and parametric ones. The former explicitly stores information in human-readable symbols, and the latter implicitly encodes knowledge within parameters. Then, we provide a comprehensive overview of reasoning methods using symbolic knowledge bases, parametric knowledge bases, and both of them. Finally, we identify the future direction toward enhancing reasoning capabilities to bridge the gap between human and machine intelligence.
- Abstract（参考訳）: 推論は人間の知性の基本であり、問題解決、意思決定、批判的思考に不可欠である。
推論とは、既存の知識に基づいて新たな結論を導き、臨床診断、基礎教育、財務分析などの様々な応用を支援することである。
推論関連手法をレビューするために,多くの調査が提案されているが,これらの手法を依存的知識ベースの観点から体系的に検討する研究は行われていない。
知識ベースが適用されるシナリオも,ストレージフォーマットも大きく異なります。
したがって、知識ベースの観点から推論方法を調べることは、課題や今後の方向性をよりよく理解するのに役立ちます。
このギャップを埋めるために,本論文ではまず,知識ベースを記号的,パラメトリック的に分類する。
前者は人間可読シンボルに情報を明示的に格納し、後者は暗黙的にパラメータ内の知識を符号化する。
次に,記号的知識ベース,パラメトリック知識ベース,およびそれらの両方を用いた推論手法の概要について概説する。
最後に,人間と機械の知能のギャップを埋めるため,推論能力の向上に向けた今後の方向性を明らかにする。
関連論文リスト
- The Odyssey of Commonsense Causality: From Foundational Benchmarks to Cutting-Edge Reasoning [70.16523526957162]
常識の因果関係を理解することは、人々が現実世界の原理をよりよく理解するのに役立ちます。
その重要性にもかかわらず、このトピックの体系的な探索は特に欠落している。
本研究の目的は、体系的な概要の提供、最近の進歩に関する学者の更新、初心者のための実践的なガイドを提供することである。
論文 参考訳（メタデータ） (2024-06-27T16:30:50Z) - Graph vs. Sequence: An Empirical Study on Knowledge Forms for
Knowledge-Grounded Dialogue [45.36967792307907]
我々は,3つの本質的な疑問に答えるために,その課題について徹底的な実験と研究を行う。
質問には、適切な知識形態の選択、知識とモデル選択の間の相互効果の度合い、知識のわずかなパフォーマンスなどが含まれる。
論文 参考訳（メタデータ） (2023-12-13T03:16:33Z) - Deciphering Raw Data in Neuro-Symbolic Learning with Provable Guarantees [17.58485742162185]
ニューロシンボリックハイブリッドシステムは、機械学習とシンボリック推論を統合することを約束している。
ハイブリッドシステムが特定のタスクに成功し、いつ異なる知識ベースで失敗するかは、まだ不明である。
本研究では,知識ベースから指導信号を特徴付ける新しい手法を導入し,学習を成功させる上での知識の有効性を決定するための基準を確立する。
論文 参考訳（メタデータ） (2023-08-21T06:04:53Z) - Robust and Explainable Identification of Logical Fallacies in Natural
Language Arguments [5.850977561881791]
論理的誤りに関する先行理論を総合的な3段階評価フレームワークに定式化する。
我々は,プロトタイプ推論,インスタンスベースの推論,知識注入に基づく,堅牢で説明可能な3つの手法を取り入れている。
我々はこれらの手法をデータセット上で広範囲に評価し、その堅牢性と説明可能性に焦点を当てた。
論文 参考訳（メタデータ） (2022-12-12T20:27:17Z) - Knowledge-augmented Deep Learning and Its Applications: A Survey [60.221292040710885]
知識強化ディープラーニング(KADL)は、ドメイン知識を特定し、それをデータ効率、一般化可能、解釈可能なディープラーニングのためのディープモデルに統合することを目的としている。
本調査は,既存の研究成果を補足し,知識強化深層学習の一般分野における鳥眼研究の展望を提供する。
論文 参考訳（メタデータ） (2022-11-30T03:44:15Z) - AR-LSAT: Investigating Analytical Reasoning of Text [57.1542673852013]
テキストの分析的推論の課題を研究し、1991年から2016年までのロースクール入学試験からの質問からなる新しいデータセットを紹介します。
我々は,この課題をうまくこなすために必要な知識理解と推論能力を分析する。
論文 参考訳（メタデータ） (2021-04-14T02:53:32Z) - KRISP: Integrating Implicit and Symbolic Knowledge for Open-Domain
Knowledge-Based VQA [107.7091094498848]
VQAの最も難しい質問の1つは、質問に答えるために画像に存在しない外部の知識を必要とする場合です。
本研究では,解答に必要な知識が与えられたり記入されたりしないオープンドメイン知識を,トレーニング時やテスト時にも検討する。
知識表現と推論には2つのタイプがあります。
まず、トランスベースのモデルで教師なし言語事前トレーニングと教師付きトレーニングデータから効果的に学ぶことができる暗黙的な知識。
論文 参考訳（メタデータ） (2020-12-20T20:13:02Z) - KompaRe: A Knowledge Graph Comparative Reasoning System [85.72488258453926]
本稿では,複数の手がかりに対する共通点と矛盾点の推測を目的とした知識グラフの比較推論を提案する。
我々は,大規模な知識グラフに対して比較推論機能を提供する,最初のプロトタイプシステムであるKompaReを開発した。
論文 参考訳（メタデータ） (2020-11-06T04:57:37Z) - Question Answering over Knowledge Base using Language Model Embeddings [0.0]
本稿では,知識ベース質問回答タスクにおける事前学習言語モデルの利用に焦点を当てる。
さらに,これらの埋め込みを知識ベースから質問まで,双方向の注意機構で微調整した。
提案手法は,質問事項を表現するためのマルチヘッドアテンション機構を備えた,単純な畳み込みニューラルネットワークアーキテクチャに基づいている。
論文 参考訳（メタデータ） (2020-10-17T22:59:34Z) - Neural, Symbolic and Neural-Symbolic Reasoning on Knowledge Graphs [9.708996828407384]
知識グラフ推論は、情報抽出、情報検索、レコメンデーションといった機械学習アプリケーションをサポートする。
知識グラフは知識の離散的なシンボル表現と見なすことができるので、知識グラフの推論は自然にそのシンボル技術を利用することができる。
近年のディープラーニングの進歩は、曖昧でノイズの多いデータに対して頑健な知識グラフ上での神経推論を促進するが、シンボリック推論と比較して解釈性に欠ける。
論文 参考訳（メタデータ） (2020-10-12T04:28:57Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳（メタデータ） (2020-03-09T15:04:07Z)
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。