Fugu-MT 論文翻訳(概要): Shape Expressions with Inheritance

論文の概要: Shape Expressions with Inheritance

arxiv url: http://arxiv.org/abs/2503.24299v1
Date: Mon, 31 Mar 2025 16:42:44 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-01 14:33:52.049510
Title: Shape Expressions with Inheritance
Title（参考訳）: 継承した形状表現
Authors: Iovka Boneva, Jose Emilio Labra Gayo, Eric Prud'hommeaux, Katherine Thornton, Andra Waagmeester,
Abstract要約: 形状表現言語(ShEx)の継承機構を導入する。オブジェクト指向プログラミング言語の継承にインスパイアされ、再利用、モジュール性、より柔軟なデータモデリングなどの類似した利点を提供する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We formally introduce an inheritance mechanism for the Shape Expressions language (ShEx). It is inspired by inheritance in object-oriented programming languages, and provides similar advantages such as reuse, modularity, and more flexible data modelling. Using an example, we explain the main features of the inheritance mechanism. We present its syntax and formal semantics. The semantics is an extension of the semantics of ShEx 2.1. It also directly yields a validation algorithm as an extension of the previous ShEx validation algorithms, while maintaining the same algorithmic complexity.
Abstract（参考訳）: 形状表現言語(Shape Expressions Language, ShEx)の継承機構を正式に導入する。オブジェクト指向プログラミング言語の継承にインスパイアされ、再利用、モジュール性、より柔軟なデータモデリングなどの類似した利点を提供する。例として、継承機構の主な特徴について説明する。その構文と形式的意味論を示す。意味論はShEx 2.1の意味論の拡張である。また、前のShEx検証アルゴリズムの拡張として検証アルゴリズムを直接生成すると同時に、アルゴリズムの複雑さも維持する。

関連論文リスト

ShapeLib: designing a library of procedural 3D shape abstractions with Large Language Models [46.372361125013974]
本稿では,3次元形状抽象化関数のライブラリであるShapeLibを紹介する。我々は、異なる視覚的モダリティからライブラリーに基づいて形状プログラムを推論する認識ネットワークを訓練する。我々の形状関数は意味論的に解釈可能なパラメータを持ち、可変な形状変化を生成するために修正することができる。
論文参考訳（メタデータ） (2025-02-13T01:52:02Z)
Intensional Inheritance Between Concepts: An Information-Theoretic Interpretation [0.0]
本論では,「インテンショナル継承」概念の定式化と定量化の問題に対処する。シャノン情報理論とアルゴリズム情報理論の両方を用いて, インテンショナル継承の公式を導出する。情報理論の枠組みでは, 拡張的継承は, 内在的継承の特別な場合として出現する。
論文参考訳（メタデータ） (2025-01-29T03:01:29Z)
Code Representation Pre-training with Complements from Program Executions [29.148208436656216]
テストケースで明らかになったプログラムの動的情報を調べ,それを補体としてコードの特徴表現に埋め込むために,FuzzPretrainを提案する。 FuzzyPretrainは、ソースコードやASTのみをトレーニングしたコード検索に対して、6%/9%のmAP改善を実現した。
論文参考訳（メタデータ） (2023-09-04T01:57:22Z)
Ad-hoc polymorphic delimited continuations [4.12935843184402]
他のプログラミング言語の第一級言語機能は、我々のフレームワークの助けを借りてライブラリとして実装できる。私たちのフレームワークの中核となる概念は型クラスDslであり、これはアドホックな多型継続とより一般的なモナドのバージョンの両方と見なすことができる。
論文参考訳（メタデータ） (2023-07-29T20:46:35Z)
ShapeCoder: Discovering Abstractions for Visual Programs from Unstructured Primitives [44.01940125080666]
形状のデータセットを非構造化プリミティブで表現できる最初のシステムであるShapeCoderを提案する。 ShapeCoderは、ハイレベルな関係をキャプチャし、外部自由度を排除し、より良いデータセット圧縮を実現する抽象化ライブラリの発見方法を示す。
論文参考訳（メタデータ） (2023-05-09T17:55:48Z)
Benchmarking Language Models for Code Syntax Understanding [79.11525961219591]
事前学習された言語モデルは、自然言語処理とプログラム理解の両方において素晴らしい性能を示している。本研究では,プログラムの構文構造を特定するための,最先端の事前訓練モデルの最初の徹底的なベンチマークを行う。この結果から,既存のプログラミング言語の事前学習手法の限界が指摘され,構文構造をモデル化することの重要性が示唆された。
論文参考訳（メタデータ） (2022-10-26T04:47:18Z)
Few-Shot Semantic Parsing with Language Models Trained On Code [52.23355024995237]
Codexは同等のGPT-3モデルよりもセマンティックパーシングが優れていることがわかった。 GPT-3とは異なり、Codexは意味表現を直接ターゲットとする場合、おそらく意味解析で使われる意味表現がコードと似た構造になっているように、同じように機能する。
論文参考訳（メタデータ） (2021-12-16T08:34:06Z)
Contrastive Learning for Source Code with Structural and Functional Properties [66.10710134948478]
本稿では,ソースコードの特徴に基づいて事前学習に焦点を当てた,新たな自己教師型モデルBOOSTを提案する。私たちは、機能的に等価なコードを生成する自動化された構造誘導型コード変換アルゴリズムを採用しています。私たちは、対照的な学習目標を通じて、機能的に等価なコードをより近く、異なるコードに近づける方法で、モデルをトレーニングします。
論文参考訳（メタデータ） (2021-10-08T02:56:43Z)
Provable Limitations of Acquiring Meaning from Ungrounded Form: What will Future Language Models Understand? [87.20342701232869]
未知のシステムが意味を習得する能力について検討する。アサーションによってシステムが等価性のような意味関係を保存する表現をエミュレートできるかどうか検討する。言語内のすべての表現が参照的に透明であれば,アサーションによってセマンティックエミュレーションが可能になる。しかし、言語が変数バインディングのような非透過的なパターンを使用する場合、エミュレーションは計算不能な問題になる可能性がある。
論文参考訳（メタデータ） (2021-04-22T01:00:17Z)
Constrained Language Models Yield Few-Shot Semantic Parsers [73.50960967598654]
我々は,事前学習された大規模言語モデルの利用を,少ない意味論として検討する。意味構文解析の目標は、自然言語入力によって構造化された意味表現を生成することである。言語モデルを用いて、入力を英語に似た制御されたサブ言語にパラフレーズし、対象の意味表現に自動的にマッピングする。
論文参考訳（メタデータ） (2021-04-18T08:13:06Z)
Semantics-Aware Inferential Network for Natural Language Understanding [79.70497178043368]
このようなモチベーションを満たすために,セマンティックス対応推論ネットワーク(SAIN)を提案する。 SAINの推論モジュールは、明示的な文脈的セマンティクスを補完的な入力として、セマンティクス上の一連の推論ステップを可能にする。本モデルでは,機械読解や自然言語推論など11タスクの大幅な改善を実現している。
論文参考訳（メタデータ） (2020-04-28T07:24:43Z)

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。