論文の概要: NASP-T: A Fuzzy Neuro-Symbolic Transformer for Logic-Constrained Aviation Safety Report Classification

• arxiv url: http://arxiv.org/abs/2510.05451v1
• Date: Mon, 06 Oct 2025 23:33:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-08 17:57:08.027389
• Title: NASP-T: A Fuzzy Neuro-Symbolic Transformer for Logic-Constrained Aviation Safety Report Classification
• Title（参考訳）: NASP-T: 論理制約型航空安全レポート分類のためのファジィニューロシンボリックトランス
• Authors: Fadi Al Machot, Fidaa Al Machot,
• Abstract要約: 本稿では, 航空安全報告システム(ASRS)コーパス上でのトランスフォーマーに基づく学習と, ASP(Answer Set Programming)を統合したハイブリッド型ニューロシンボリックフレームワークを提案する。 提案手法は, マイクロF1スコアとマクロF1スコアを改善し, ASRSテストセットのルール違反を最大86%低減する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep transformer models excel at multi-label text classification but often violate domain logic that experts consider essential, an issue of particular concern in safety-critical applications. We propose a hybrid neuro-symbolic framework that integrates Answer Set Programming (ASP) with transformer-based learning on the Aviation Safety Reporting System (ASRS) corpus. Domain knowledge is formalized as weighted ASP rules and validated using the Clingo solver. These rules are incorporated in two complementary ways: (i) as rule-based data augmentation, generating logically consistent synthetic samples that improve label diversity and coverage; and (ii) as a fuzzy-logic regularizer, enforcing rule satisfaction in a differentiable form during fine-tuning. This design preserves the interpretability of symbolic reasoning while leveraging the scalability of deep neural architectures. We further tune per-class thresholds and report both standard classification metrics and logic-consistency rates. Compared to a strong Binary Cross-Entropy (BCE) baseline, our approach improves micro- and macro-F1 scores and achieves up to an 86% reduction in rule violations on the ASRS test set. To the best of our knowledge, this constitutes the first large-scale neuro-symbolic application to ASRS reports that unifies ASP-based reasoning, rule-driven augmentation, and differentiable transformer training for trustworthy, safety-critical NLP.
• Abstract（参考訳）: ディープトランスモデルは、マルチラベルテキスト分類において優れているが、専門家が重要と考えるドメインロジックにはしばしば違反する。 本稿では, 航空安全報告システム(ASRS)コーパス上でのトランスフォーマーに基づく学習と, ASP(Answer Set Programming)を統合したハイブリッド型ニューロシンボリックフレームワークを提案する。 ドメイン知識は重み付けされたASPルールとして形式化され、Clingoソルバを使用して検証される。 これらのルールは2つの補完的な方法で組み込まれます。 一 規則に基づくデータ拡張として、ラベルの多様性及び範囲を向上させる論理的に一貫した合成サンプルを作成すること。 (II) ファジィ論理正則化剤として, 微調整時に異なる形態で規則満足度を付与する。 この設計は、深いニューラルネットワークアーキテクチャのスケーラビリティを活用しながら、象徴的推論の解釈可能性を保存する。 さらに、クラスごとの閾値を調整し、標準分類基準と論理一貫性率の両方を報告します。 強力なバイナリクロスエントロピー(BCE)ベースラインと比較して,本手法はマイクロF1スコアとマクロF1スコアを改善し,ASRSテストセットのルール違反を最大86%低減する。 我々の知る限り、これは、ASPベースの推論、ルール駆動の強化、および信頼性の高い安全クリティカルなNLPのための差別化可能なトランスフォーマートレーニングを統一するASRSレポートに対する、初めての大規模な神経象徴的応用である。

関連論文リスト

• BATR-FST: Bi-Level Adaptive Token Refinement for Few-Shot Transformers [2.5680214354539803]
  半ショット変換器(BATR-FST)の両レベル適応型トケリファインメントを提案する。 BATR-FSTはトークン表現を徐々に改善し、数ショット分類のための頑健な帰納バイアスを維持している。 1ショットと5ショットの両方のシナリオで優れた結果が得られ、トランスフォーマーによる数ショットの分類が改善される。
  論文  参考訳（メタデータ） (2025-09-16T07:33:21Z)
• From scratch to silver: Creating trustworthy training data for patent-SDG classification using Large Language Models [0.6727984016678534]
  国連持続可能な開発目標(SDG)との関連性によって特許を分類することは、イノベーションが世界的課題にどう対処するかを追跡する上で不可欠である。 本稿では,特許から科学出版物への引用(NPL引用)をノイズのある初期信号として用いて,特許とSDGの分類を弱い監視問題とする。 本研究では,大規模言語モデル(LLM)を用いて特許や論文から構造化概念を抽出する複合ラベリング機能(LF)を開発した。
  論文  参考訳（メタデータ） (2025-09-11T09:44:16Z)
• NDCG-Consistent Softmax Approximation with Accelerated Convergence [67.10365329542365]
  本稿では,ランキングの指標と直接一致した新たな損失定式化を提案する。 提案したRG損失を高効率な Alternating Least Squares (ALS) 最適化手法と統合する。 実世界のデータセットに対する実証的な評価は、我々のアプローチが同等または上位のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2025-06-11T06:59:17Z)
• Advancing Neural Network Verification through Hierarchical Safety Abstract Interpretation [52.626086874715284]
  我々は、安全でない出力の階層構造を検証する抽象的DNN検証と呼ばれる新しい問題定式化を導入する。 出力到達可能な集合に関する抽象的解釈と推論を活用することにより,形式的検証プロセスにおいて,複数の安全性レベルを評価することができる。 我々の貢献には、新しい抽象的安全性の定式化と既存のアプローチとの関係を理論的に探求することが含まれる。
  論文  参考訳（メタデータ） (2025-05-08T13:29:46Z)
• Neuro-symbolic Weak Supervision: Theory and Semantics [5.455744338342196]
  帰納的論理プログラミング(ILP)を統合したニューロシンボリック・フレームワークのセマンティクスを提案する。 ILPは、ラベル遷移のための論理仮説空間を定義し、意味論を明確にし、解釈可能なパフォーマンス標準を確立する。 このハイブリッドアプローチは、弱教師付き設定における堅牢性、透明性、説明責任を改善する。
  論文  参考訳（メタデータ） (2025-03-24T10:02:51Z)
• Rule-Based Modeling of Low-Dimensional Data with PCA and Binary Particle Swarm Optimization (BPSO) in ANFIS [0.29465623430708915]
  ファジィルールに基づくシステムは、低次元領域でデータを解釈し、透明性と解釈可能性を提供する。 ディープラーニングは複雑なタスクでは優れているが、スパース、非構造化、低次元のデータでは過度に適合する傾向がある。 この解釈可能性は、医療や金融といった分野において重要である。
  論文  参考訳（メタデータ） (2025-02-06T09:13:55Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Sequence Transduction with Graph-based Supervision [96.04967815520193]
  ラベルのグラフ表現を受け入れるためにRNN-T損失を一般化するトランスデューサ目的関数を提案する。 CTC型格子を用いたトランスデューサベースのASRは,標準RNN-Tよりも優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-11-01T21:51:42Z)

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。