論文の概要: Enhancing Retrieval Systems with Inference-Time Logical Reasoning

• arxiv url: http://arxiv.org/abs/2503.17860v1
• Date: Sat, 22 Mar 2025 20:40:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:31:30.076471
• Title: Enhancing Retrieval Systems with Inference-Time Logical Reasoning
• Title（参考訳）: 推論時間論理推論による検索システムの強化
• Authors: Felix Faltings, Wei Wei, Yujia Bao,
• Abstract要約: 本稿では,論理的推論を検索プロセスに明示的に組み込む新しい推論時間論理的推論フレームワークを提案する。 提案手法は,自然言語クエリから論理的推論構造を抽出し,個々のコサイン類似度スコアを合成して最終文書スコアを定式化する。
• 参考スコア（独自算出の注目度）: 9.526027847179677
• License:
• Abstract: Traditional retrieval methods rely on transforming user queries into vector representations and retrieving documents based on cosine similarity within an embedding space. While efficient and scalable, this approach often fails to handle complex queries involving logical constructs such as negations, conjunctions, and disjunctions. In this paper, we propose a novel inference-time logical reasoning framework that explicitly incorporates logical reasoning into the retrieval process. Our method extracts logical reasoning structures from natural language queries and then composes the individual cosine similarity scores to formulate the final document scores. This approach enables the retrieval process to handle complex logical reasoning without compromising computational efficiency. Our results on both synthetic and real-world benchmarks demonstrate that the proposed method consistently outperforms traditional retrieval methods across different models and datasets, significantly improving retrieval performance for complex queries.
• Abstract（参考訳）: 従来の検索方法は、ユーザクエリをベクトル表現に変換し、埋め込み空間内のコサイン類似性に基づいたドキュメントを取得することに依存している。 このアプローチは効率的でスケーラブルだが、否定、接続、解離などの論理構造を含む複雑なクエリを扱うのに失敗することが多い。 本稿では,論理的推論を検索プロセスに明示的に組み込む新しい推論時間論理的推論フレームワークを提案する。 提案手法は,自然言語クエリから論理的推論構造を抽出し,個々のコサイン類似度スコアを合成して最終文書スコアを定式化する。 このアプローチにより、検索プロセスは計算効率を損なうことなく複雑な論理的推論を処理できる。 合成および実世界のベンチマークの結果から,提案手法は様々なモデルやデータセットにまたがって従来の検索手法を一貫して上回り,複雑なクエリの検索性能を著しく向上させることを示した。

関連論文リスト

• BoolQuestions: Does Dense Retrieval Understand Boolean Logic in Language? [88.29075896295357]
  まず,現在の検索システムが,言語に暗示されるブール論理を理解できるかを検討する。 広範な実験結果から,現在の高密度検索システムはブール論理を十分に理解していないという結論を導いた。 本研究では,研究コミュニティの強力な基盤となるコントラスト的連続学習手法を提案する。
  論文  参考訳（メタデータ） (2024-11-19T05:19:53Z)
• H-STAR: LLM-driven Hybrid SQL-Text Adaptive Reasoning on Tables [56.73919743039263]
  本稿では,2段階のプロセスにシンボル的アプローチと意味的アプローチ(テキスト的アプローチ)を統合し,制約に対処する新しいアルゴリズムを提案する。 実験の結果,H-STARは3つの質問応答(QA)と事実検証データセットにおいて,最先端の手法を大幅に上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-06-29T21:24:19Z)
• A Surprisingly Simple yet Effective Multi-Query Rewriting Method for Conversational Passage Retrieval [14.389703823471574]
  本稿では,複数のクエリを生成するためのニューラルクエリリライターを提案する。 ビーム検索アルゴリズムの動作方法を活用し、追加コストなしで複数のクエリリライトを生成できます。
  論文  参考訳（メタデータ） (2024-06-27T07:43:03Z)
• SparseCL: Sparse Contrastive Learning for Contradiction Retrieval [87.02936971689817]
  コントラディション検索(Contradiction Search)とは、クエリの内容に明示的に異を唱える文書を識別し、抽出することである。 類似性探索やクロスエンコーダモデルといった既存の手法には、大きな制限がある。 文間の微妙で矛盾したニュアンスを保存するために特別に訓練された文埋め込みを利用するSparseCLを導入する。
  論文  参考訳（メタデータ） (2024-06-15T21:57:03Z)
• When Do Program-of-Thoughts Work for Reasoning? [51.2699797837818]
  本稿では,コードと推論能力の相関性を測定するために,複雑性に富んだ推論スコア(CIRS)を提案する。 具体的には、抽象構文木を用いて構造情報をエンコードし、論理的複雑性を計算する。 コードはhttps://github.com/zjunlp/EasyInstructのEasyInstructフレームワークに統合される。
  論文  参考訳（メタデータ） (2023-08-29T17:22:39Z)
• Modeling Hierarchical Reasoning Chains by Linking Discourse Units and Key Phrases for Reading Comprehension [80.99865844249106]
  本稿では,論理的推論の基盤として,対話レベルと単語レベルの両方の文脈を扱う総合グラフネットワーク(HGN)を提案する。 具体的には、ノードレベルの関係とタイプレベルの関係は、推論過程におけるブリッジと解釈できるが、階層的な相互作用機構によってモデル化される。
  論文  参考訳（メタデータ） (2023-06-21T07:34:27Z)
• Investigating the Robustness of Natural Language Generation from Logical Forms via Counterfactual Samples [30.079030298066847]
  事前訓練されたモデルに基づく最先端の手法は、標準テストデータセットで顕著なパフォーマンスを達成した。 これらの手法が、テーブルのヘッダーと論理形式の演算子の間の急激な相関にのみ依存するのではなく、論理的推論を行う方法を学ぶかどうかを疑問視する。 本稿では,ショートカットへの依存を減らすための2つのアプローチを提案する。
  論文  参考訳（メタデータ） (2022-10-16T14:14:53Z)
• Refining Labelled Systems for Modal and Constructive Logics with Applications [0.0]
  この論文は、モーダル論理や構成論理のセマンティクスを「経済的な」証明システムに変換する手段として機能する。 精製法は、ラベル付きおよびネストされたシーケント計算の2つの証明理論パラダイムを結合する。 導入された洗練されたラベル付き電卓は、デオン性STIT論理に対する最初の証明探索アルゴリズムを提供するために使用される。
  論文  参考訳（メタデータ） (2021-07-30T08:27:15Z)
• Logic-Driven Context Extension and Data Augmentation for Logical Reasoning of Text [65.24325614642223]
  論理的な記号や表現をテキストで理解し、答えにたどり着くよう提案します。 このような論理的情報に基づいて,文脈拡張フレームワークとデータ拡張アルゴリズムを提案する。 本手法は最先端の性能を実現し,論理駆動コンテキスト拡張フレームワークとデータ拡張アルゴリズムの両方が精度向上に寄与する。
  論文  参考訳（メタデータ） (2021-05-08T10:09:36Z)

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。