論文の概要: Grounding Rule-Based Argumentation Using Datalog
- arxiv url: http://arxiv.org/abs/2508.10976v1
- Date: Thu, 14 Aug 2025 17:57:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-18 14:51:23.62842
- Title: Grounding Rule-Based Argumentation Using Datalog
- Title（参考訳）: Datalog を用いたグラウンドルールに基づく論証
- Authors: Martin Diller, Sarah Alice Gaggl, Philipp Hanisch, Giuseppina Monterosso, Fritz Rauschenbach,
- Abstract要約: ASPIC+は、AIのルールベースの議論のための主要な一般的なフレームワークの1つである。
本稿では,解析過程の正しさを保ちながら,接地の大きさを管理可能なインテリジェント接地手法を提案する。
また, ASPIC+形式に特有な簡易化を提案し, 推論プロセスに影響を与えない規則の根拠付けを避ける。
- 参考スコア（独自算出の注目度）: 3.1457219084519004
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: ASPIC+ is one of the main general frameworks for rule-based argumentation for AI. Although first-order rules are commonly used in ASPIC+ examples, most existing approaches to reason over rule-based argumentation only support propositional rules. To enable reasoning over first-order instances, a preliminary grounding step is required. As groundings can lead to an exponential increase in the size of the input theories, intelligent procedures are needed. However, there is a lack of dedicated solutions for ASPIC+. Therefore, we propose an intelligent grounding procedure that keeps the size of the grounding manageable while preserving the correctness of the reasoning process. To this end, we translate the first-order ASPIC+ instance into a Datalog program and query a Datalog engine to obtain ground substitutions to perform the grounding of rules and contraries. Additionally, we propose simplifications specific to the ASPIC+ formalism to avoid grounding of rules that have no influence on the reasoning process. Finally, we performed an empirical evaluation of a prototypical implementation to show scalability.
- Abstract（参考訳）: ASPIC+は、AIのルールベースの議論のための主要な一般的なフレームワークの1つである。
1次ルールはASPIC+の例で一般的に使われているが、ルールベースの議論を推論する既存のアプローチは命題ルールのみをサポートしている。
1次インスタンスに対する推論を可能にするには、予備的な基底ステップが必要である。
基底が入力理論のサイズを指数関数的に増加させるため、インテリジェントな手続きが必要である。
しかし、ASPIC+には専用のソリューションがない。
そこで本稿では,推論過程の正しさを保ちながら,グラウンドサイズを管理可能なインテリジェントグラウンドイング手法を提案する。
この目的のために、一階のASPIC+インスタンスをDatalogプログラムに変換し、Datalogエンジンにクエリして、ルールとコントラストのグラウンド化を行うための接地代行を取得する。
さらに, ASPIC+形式に特有の単純化を提案し, 推論プロセスに影響を与えない規則の根拠付けを避ける。
最後に,拡張性を示すためのプロトタイプ実装の実証評価を行った。
関連論文リスト
- Logicbreaks: A Framework for Understanding Subversion of Rule-based Inference [20.057611113206324]
我々は命題Hhorn論理の推論としてルール追従を定式化する。
我々は、小さなトランスフォーマーはそのようなルールを忠実に守ることができるが、悪意のあるプロンプトは、データから学んだ理論的構成とモデルの両方を誤解させる可能性があることを証明している。
論文 参考訳（メタデータ） (2024-06-21T19:18:16Z) - Disperse-Then-Merge: Pushing the Limits of Instruction Tuning via Alignment Tax Reduction [75.25114727856861]
大規模言語モデル(LLM)は、スーパービジョンされた微調整プロセスの後半で劣化する傾向にある。
この問題に対処するための単純な分散結合フレームワークを導入する。
我々のフレームワークは、一連の標準知識と推論ベンチマークに基づいて、データキュレーションや正規化の訓練など、様々な高度な手法より優れています。
論文 参考訳（メタデータ） (2024-05-22T08:18:19Z) - Can LLMs Reason with Rules? Logic Scaffolding for Stress-Testing and Improving LLMs [87.34281749422756]
大規模言語モデル(LLM)は、様々な推論タスクにおいて、印象的な人間的なパフォーマンスを実現している。
しかし、その根底にある推論規則の熟達性は、人間の能力に欠ける。
本稿では,推論ルールベースであるULogicを構築するための,推論ルール生成フレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-18T03:38:51Z) - Bottom-Up Grounding in the Probabilistic Logic Programming System
Fusemate [0.21756081703275998]
フーセメイトの推論エンジンは、グラウンディング成分と確率的推論のための可変除去方法とを含む。
提案手法は,マルコフモデルのような「時間」を含む例で詳細に提示し,実演する。
論文 参考訳（メタデータ） (2023-05-30T10:30:44Z) - Learning Symbolic Rules for Reasoning in Quasi-Natural Language [74.96601852906328]
我々は,ルールを手作業で構築することなく,自然言語入力で推論できるルールベースシステムを構築した。
本稿では,形式論理文と自然言語文の両方を表現可能な"Quasi-Natural"言語であるMetaQNLを提案する。
提案手法は,複数の推論ベンチマークにおける最先端の精度を実現する。
論文 参考訳（メタデータ） (2021-11-23T17:49:00Z) - RNNLogic: Learning Logic Rules for Reasoning on Knowledge Graphs [91.71504177786792]
本稿では知識グラフに基づく推論のための論理規則の学習について研究する。
論理規則は、予測に使用されるときに解釈可能な説明を提供するとともに、他のタスクに一般化することができる。
既存の手法は、検索スペースの検索の問題や、スパース報酬による非効率な最適化に悩まされている。
論文 参考訳（メタデータ） (2020-10-08T14:47:02Z) - Stratified Rule-Aware Network for Abstract Visual Reasoning [46.015682319351676]
Raven's Progressive Matrices (RPM) テストは一般的に抽象的推論の能力を調べるために使用される。
畳み込みニューラルネットワーク(CNN)を利用した最近の研究は、RPMテストを達成するための奨励的な進歩を達成している。
本稿では,2つの入力シーケンスに対するルール埋め込みを生成するためのSRAN(Stratified Rule-Aware Network)を提案する。
論文 参考訳（メタデータ） (2020-02-17T08:44:05Z)
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。