Fugu-MT 論文翻訳(概要): Supported Abstract Argumentation for Case-Based Reasoning

論文の概要: Supported Abstract Argumentation for Case-Based Reasoning

arxiv url: http://arxiv.org/abs/2507.04994v1
Date: Mon, 07 Jul 2025 13:32:08 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-08 15:46:35.435965
Title: Supported Abstract Argumentation for Case-Based Reasoning
Title（参考訳）: ケースベース推論のための抽象表現支援
Authors: Adam Gould, Gabriel de Olim Gaul, Francesca Toni,
Abstract要約: ケースベース推論(SAA-CBR)のための支援された抽象表現法について紹介する。サポートにより、sAA-CBRは前駆体であるAA-CBRの制限を克服する。 sAA-CBRはスパイクを含まないが,キーモデル特性のトレードオフは行わない。
参考スコア（独自算出の注目度）: 11.11289916111646
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: We introduce Supported Abstract Argumentation for Case-Based Reasoning (sAA-CBR), a binary classification model in which past cases engage in debates by arguing in favour of their labelling and attacking or supporting those with opposing or agreeing labels. With supports, sAA-CBR overcomes the limitation of its precursor AA-CBR, which can contain extraneous cases (or spikes) that are not included in the debates. We prove that sAA-CBR contains no spikes, without trading off key model properties
Abstract（参考訳）: SAA-CBR(Supported Abstract Argumentation for Case-Based Reasoning, SAA-CBR)は, 過去の事例をラベル付けや攻撃, あるいはラベルに賛成する者を支援する二項分類モデルである。サポートにより、sAA-CBRは前駆体であるAA-CBRの制限を克服し、議論に含まれない外部ケース(またはスパイク)を含むことができる。 sAA-CBR がスパイクを含まないことを証明する。

関連論文リスト

SAD: A Large-Scale Strategic Argumentative Dialogue Dataset [60.33125467375306]
実際には、議論はしばしばマルチターン対話として実現される。大規模なtextbfStrategic textbfArgumentative textbfDialogue データセットは,392,822例からなる。
論文参考訳（メタデータ） (2026-01-12T11:11:37Z)
Object-Centric Case-Based Reasoning via Argumentation [15.635254331470486]
Slot Attention Argumentation for Case-Based Reasoning (SAA-CBR)は、画像分類のためのニューラルシンボリックパイプラインであり、神経スロットアテンション(SA)コンポーネントを介して物体中心学習を統合する。本稿では,AA-CBRとニューラルコンポーネントの新たな統合について検討する。機能の組み合わせ戦略,代表サンプルによるケースベース削減,新しいカウントベース部分順序,AA-CBRのバイポーラ版であるSupported AA-CBRの適用などだ。
論文参考訳（メタデータ） (2025-09-30T19:04:27Z)
Revisiting Follow-the-Perturbed-Leader with Unbounded Perturbations in Bandit Problems [60.58442311545223]
FTRL(Follow-the-Regularized-Leader)ポリシーはBOBW(Best-of-Both-Worlds)を達成している。非対称なFr'echet型摂動の広いファミリーの下で、非有界摂動に対する古典的なFTRL-FTPL双対性を再検討し、FTPLに対するBOBW結果を確立する。
論文参考訳（メタデータ） (2025-08-26T02:12:18Z)
On Strong and Weak Admissibility in Non-Flat Assumption-Based Argumentation [4.583931917131698]
抽象的議論から許容可能性の標準概念への2つの顕著な代替案について検討する。一般(時として非平坦(non-flat)ABA)に対して,それぞれ好意的,完備的,根底的意味論を導入する。中央のモジュラー化特性は古典的,強い,弱い順応性の下で維持されていることを示す。
論文参考訳（メタデータ） (2025-08-15T03:13:07Z)
Neuro-Argumentative Learning with Case-Based Reasoning [12.489784979345654]
本稿では,データ駆動型ニューロシンボリック分類モデルであるGradual Abstract Argumentation for Case-Based Reasoning (Gradual AA-CBR)を紹介する。議論の各議論は、トレーニングデータから観察されたケースであり、ラベル付けを好んでいる。ケースは、各議論の強さと、勾配に基づく手法で学んだ関係によって、反対または同意するラベルを持つ人々を攻撃するか、または支援する。
論文参考訳（メタデータ） (2025-05-21T16:49:47Z)
AlignRAG: Leveraging Critique Learning for Evidence-Sensitive Retrieval-Augmented Reasoning [61.28113271728859]
RAGは知識ベースで大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。標準的なRAGパイプラインは、モデル推論が取得した証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。本研究では,RAGをRetrieval-Augmented Reasoningと解釈し,中心的だが未探索な問題であるtextitReasoning Misalignmentを同定する。
論文参考訳（メタデータ） (2025-04-21T04:56:47Z)
On the Correspondence of Non-flat Assumption-based Argumentation and Logic Programming with Negation as Failure in the Head [20.981256612743145]
非平坦なABAとLPの対応性を示す。次に、この結果を、もともと双極性ABAと呼ばれる非平坦なABAの断片に対して定義された、いわゆる集合安定ABA意味論に拡張する。本稿では,LP の集合安定セマンティクスを頭の中の失敗として定義し,集合安定な ABA セマンティクスとの対応を示す。
論文参考訳（メタデータ） (2024-05-15T15:10:03Z)
CASA: Causality-driven Argument Sufficiency Assessment [79.13496878681309]
ゼロショット因果関係に基づく議論十分性評価フレームワークであるCASAを提案する。 PSは前提イベントの導入が前提イベントと結論イベントの両方が欠落した場合の結論につながる可能性を測っている。 2つの論理的誤り検出データセットの実験により、CASAは不十分な議論を正確に識別することを示した。
論文参考訳（メタデータ） (2024-01-10T16:21:18Z)
Technical Report on the Learning of Case Relevance in Case-Based Reasoning with Abstract Argumentation [14.755026411356315]
我々は、意思決定木を用いて、実際にどのように関連性を学ぶことができるかを示す。また,AA-CBRによるケース関係の学習により,決定木よりもコンパクトな表現が得られることを示す。
論文参考訳（メタデータ） (2023-10-30T15:01:41Z)
CAR: Conceptualization-Augmented Reasoner for Zero-Shot Commonsense Question Answering [56.592385613002584]
ゼロショットコモンセンス質問応答の課題に対処するために,概念化強化推論器(CAR)を提案する。 CARは、CommonSenseの知識を多くの高レベルなインスタンスに抽象化し、CommonSenseの知識ベースの範囲を拡大する。 CARは、既存のメソッドよりも、ゼロショットのコモンセンスシナリオに関する質問に答えることにより、より堅牢に一般化する。
論文参考訳（メタデータ） (2023-05-24T08:21:31Z)
Machine Reading Comprehension using Case-based Reasoning [92.51061570746077]
本稿では,機械読解における解答抽出の正確かつ解釈可能な手法を提案する。本手法は,類似した質問に対する文脈的回答が相互に意味的類似性を共有するという仮説に基づいている。
論文参考訳（メタデータ） (2023-05-24T07:09:56Z)
Non-flat ABA is an Instance of Bipolar Argumentation [23.655909692988637]
ABA(Assumption-based Argumentation)は、構造化された議論形式である。 ABAフレームワーク(ABAF)に課される一般的な制限は、それらがフラットであることである。一般、おそらく非平坦なABAFからあらゆる抽象的議論形式への翻訳は存在しない。
論文参考訳（メタデータ） (2023-05-21T13:18:08Z)
Contextual bandits with concave rewards, and an application to fair ranking [108.48223948875685]
CBCR (Contextual Bandits with Concave Rewards) に対する反省点のある最初のアルゴリズムを提案する。我々は,スカラー・リワード問題に対するCBCRの後悔から,新たな縮小を導出した。推薦の公正さによって動機づけられたCBCRの特別事例として,ランク付けと公正を意識した目的について述べる。
論文参考訳（メタデータ） (2022-10-18T16:11:55Z)
Counterfactual Variable Control for Robust and Interpretable Question Answering [57.25261576239862]
ディープニューラルネットワークに基づく質問応答(QA)モデルは、多くの場合、堅牢でも説明もできない。本稿では、因果推論を用いてQAモデルのこのような突発的な「能力」を検証する。本稿では,任意のショートカット相関を明示的に緩和する,CVC(Counterfactual Variable Control)という新しい手法を提案する。
論文参考訳（メタデータ） (2020-10-12T10:09:05Z)
Cautious Monotonicity in Case-Based Reasoning with Abstract Argumentation [10.616061367794385]
我々は、$AAtext -CBR_succeq$が慎重に単調でないことを証明している。また、そのようなバリエーションは、制限されたケースベースを持つ$AAtext -CBR_succeq$と等価であることを示す。
論文参考訳（メタデータ） (2020-07-10T10:08:30Z)

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。