論文の概要: Rule-State Inference (RSI): A Bayesian Framework for Compliance Monitoring in Rule-Governed Domains

• arxiv url: http://arxiv.org/abs/2603.21610v1
• Date: Mon, 23 Mar 2026 06:12:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.515091
• Title: Rule-State Inference (RSI): A Bayesian Framework for Compliance Monitoring in Rule-Governed Domains
• Title（参考訳）: ルール状態推論(RSI):ルール支配ドメインにおけるコンプライアンス監視のためのベイズフレームワーク
• Authors: Abdou-Raouf Atarmla,
• Abstract要約: ルールアクティベーション,コンプライアンス,パラメトリックドリフトの潜在状態を部分的および雑音観測から推定するルール状態推論(RSI)を提案する。 我々は、トゴレス財政システム上でRSIをインスタンス化し、実際のOTR規則に基づく2000の合成企業のベンチマークであるRSI-Togo-Fiscal-Synthetic v1.0を導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing machine learning frameworks for compliance monitoring -- Markov Logic Networks, Probabilistic Soft Logic, supervised models -- share a fundamental paradigm: they treat observed data as ground truth and attempt to approximate rules from it. This assumption breaks down in rule-governed domains such as taxation or regulatory compliance, where authoritative rules are known a priori and the true challenge is to infer the latent state of rule activation, compliance, and parametric drift from partial and noisy observations. We propose Rule-State Inference (RSI), a Bayesian framework that inverts this paradigm by encoding regulatory rules as structured priors and casting compliance monitoring as posterior inference over a latent rule-state space S = {(a_i, c_i, delta_i)}, where a_i captures rule activation, c_i models the compliance rate, and delta_i quantifies parametric drift. We prove three theoretical guarantees: (T1) RSI absorbs regulatory changes in O(1) time via a prior ratio correction, independently of dataset size; (T2) the posterior is Bernstein-von Mises consistent, converging to the true rule state as observations accumulate; (T3) mean-field variational inference monotonically maximizes the Evidence Lower BOund (ELBO). We instantiate RSI on the Togolese fiscal system and introduce RSI-Togo-Fiscal-Synthetic v1.0, a benchmark of 2,000 synthetic enterprises grounded in real OTR regulatory rules (2022-2025). Without any labeled training data, RSI achieves F1=0.519 and AUC=0.599, while absorbing regulatory changes in under 1ms versus 683-1082ms for full model retraining -- at least a 600x speedup.
• Abstract（参考訳）: コンプライアンス監視のための既存の機械学習フレームワーク -- Markov Logic Networks、Probabilistic Soft Logic、教師付きモデル -- は、基本的なパラダイムを共有している。 この仮定は、課税や規制順守のようなルールが支配する領域で破られ、信頼できる規則は優先事項として知られており、真の課題は、部分的および雑音的な観察から規則のアクティベーション、コンプライアンス、パラメトリックドリフトの潜在状態を推測することである。 我々は、規則を構造化された事前として符号化し、遅延規則状態空間 S = {(a_i, c_i, delta_i)} 上の後続推論としてコンプライアンス監視をキャストすることで、このパラダイムを逆転するベイズ的フレームワークであるルール状態推論(RSI)を提案し、a_i は規則の活性化を捉え、c_i はコンプライアンス率をモデル化し、Delta_i はパラメトリックドリフトを定量化する。 我々は, (T1) RSIがデータセットサイズによらず, 先行比補正によってO(1)時間における規制変化を吸収すること, (T2) 後部がベルンシュタイン・ヴォン・ミスであり, 観測が蓄積するにつれて真の規則状態に収束すること, (T3) 平均場変動推論がエビデンス・ロウ・バウンド(ELBO)を単調に最大化すること, の3つの理論的保証を証明した。 我々は、トゴレス財政システム上でRSIをインスタンス化し、実際のOTR規制ルール(2022-2025)に基づく2000の合成企業のベンチマークであるRSI-Togo-Fiscal-Synthetic v1.0を導入する。 ラベル付きトレーニングデータがないと、RSIはF1=0.519とAUC=0.599を達成し、1ms以下の規制変更を吸収し、フルモデル再トレーニングでは683-1082ms、少なくとも600倍のスピードアップを達成した。

関連論文リスト

• Distilling Deep Reinforcement Learning into Interpretable Fuzzy Rules: An Explainable AI Framework [1.9180507495574395]
  深層強化学習(DRL)エージェントは、継続的な制御において顕著なパフォーマンスを達成するが、不透明なままであり、安全クリティカルなドメインへの展開を妨げる。 既存の説明可能性法は、局所的な洞察(SHAP、LIME)のみを提供するか、過度に単純化されたサロゲートを使用し、連続的なダイナミクスを捉えることができない。 本研究では、状態可読パーティショニングのためのK-Meansクラスタリングを通じて、ニューラルポリシーを人間可読IF-THENルールに蒸留するファジィシステム(FCS)を提案する。 説明焦点を測定するルール密度(FRAD)、語彙完全性を検証するファジィ集合被覆(FSC)、行動空間の粒度(Action Space Granularity)の3つの定量化指標が導入された。
  論文  参考訳（メタデータ） (2026-02-24T23:53:01Z)
• Legal Rule Induction: Towards Generalizable Principle Discovery from Analogous Judicial Precedents [39.35255423087048]
  法規は、法典の定式化だけでなく、差別的規範、社会的道徳、政策を含む前例から派生した暗黙の偏見的原則も含んでいる。 我々は、類似した前例の集合から簡潔で一般化可能なドクトリン規則を導出するタスクとして法則帰納法(LRI)を定式化する。 モデルチューニングのための5,121のケースセット(合計38,088のケース)と216のエキスパートアノテートゴールドテストセットからなる最初のLRIベンチマークを導入する。
  論文  参考訳（メタデータ） (2025-05-20T09:10:52Z)
• RuleGenie: SIEM Detection Rule Set Optimization [24.312198733476063]
  SIEMシステムの冗長あるいは重複したルールは、過剰な誤警報を引き起こし、警告疲労によるアナリストのパフォーマンスを低下させ、計算オーバーヘッドを増大させる。 本稿では、SIEMルールセットを最適化するように設計された新しい大規模言語モデル(LLM)であるStrucGenieを提案する。
  論文  参考訳（メタデータ） (2025-05-10T16:56:17Z)
• Compact Rule-Based Classifier Learning via Gradient Descent [2.564905016909138]
  Fuzzy Rule-based Reasoner (FRR) は勾配に基づくルール学習システムである。 FRRはルールベースの複雑さに対する厳格なユーザー制約をサポートする。 最先端の付加的ルールベースのモデルの精度の96%を達成している。
  論文  参考訳（メタデータ） (2025-02-03T14:13:39Z)
• Neural Network-Based Rule Models With Truth Tables [5.187307904567701]
  本稿では,ルールベースモデルの大域的かつ正確な解釈可能性特性と,ディープニューラルネットワークの性能を組み合わせたニューラルネットワークフレームワークを提案する。 提案したフレームワークは、$textitTruth Table Rules$ (TT-rules)と呼ばれ、$textitTruth Table nets$ (TTnets)の上に構築されています。
  論文  参考訳（メタデータ） (2023-09-18T10:13:59Z)
• When Does Confidence-Based Cascade Deferral Suffice? [69.28314307469381]
  カスケードは、推論コストをサンプル毎に適応的に変化させる古典的な戦略である。 deferralルールは、シーケンス内の次の分類子を呼び出すか、または予測を終了するかを決定する。 カスケードの構造に執着しているにもかかわらず、信頼に基づく推論は実際は極めてうまく機能することが多い。
  論文  参考訳（メタデータ） (2023-07-06T04:13:57Z)
• Relational Action Bases: Formalization, Effective Safety Verification, and Invariants (Extended Version) [67.99023219822564]
  我々はリレーショナルアクションベース(RAB)の一般的な枠組みを紹介する。 RABは両方の制限を解除することで既存のモデルを一般化する。 データ対応ビジネスプロセスのベンチマークにおいて、このアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-08-12T17:03:50Z)
• 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)
• Controlling Neural Networks with Rule Representations [48.165658432032636]
  本稿では,ルールを深層学習に統合する新しい学習手法を提案する。 DeepCTRLはルールベースの目的と組み合わせて、ルールエンコーダをモデルに組み込む。 ルールの強度に適応するために再トレーニングをする必要はなく、推測すると、ユーザは所望の操作ポイントに基づいてそれを調整できる。
  論文  参考訳（メタデータ） (2021-06-14T23:28:56Z)

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。