論文の概要: Logical Embeddings for Argument Analysis
- arxiv url: http://arxiv.org/abs/2608.15325v1
- Date: Sat, 15 Aug 2026 17:03:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.259205
- Title: Logical Embeddings for Argument Analysis
- Title（参考訳）: 論証解析のための論理的埋め込み
- Abstract要約: 機械学習指向の議論分析タスクのための新しいフレームワークを提案する。
論理埋め込みは引数の論理的意味論をカプセル化し、その意味をよりよく表現することができる。
論理的な埋め込みは、分類タスクにおけるほとんどの標準的な埋め込み方法より優れていることを示す。
- 参考スコア（独自算出の注目度）: 0.35452946503447685
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a new framework for machine-learning-oriented argument analysis tasks. Our proposal involves replacing traditional contextualized word embeddings used in most NLP tasks with logical embeddings, an alternative encoding that directly exploits argumentation structures. In essence, logical embeddings encapsulate the logical semantics of an argument, allowing for a better representation of its meaning. Supporting these embeddings is a mathematical logic-based similarity measure that offers a transparent notion of proximity and is guaranteed to satisfy several desirable theoretical properties that current cosine similarity-based contextualized word embeddings cannot assure. This similarity measure induces a positive semi-definite kernel on the set of arguments, enabling us to uniquely define logical embeddings using the theory of Reproducing Kernel Hilbert Spaces (RKHS). Moreover, we prove that this encoding is optimal, in the sense that no logical information is lost in the process. As with other RKHS applications, logical embeddings can be used in numerous supervised and unsupervised tasks. We provide an implementation of the method and aim to test it against literature benchmarks. Additionally, we demonstrate that logical embeddings outperform most standard embedding methods on a classification task.
- Abstract（参考訳）: 機械学習指向の議論分析タスクのための新しいフレームワークを提案する。
我々の提案は、ほとんどのNLPタスクで使用される伝統的な文脈化単語埋め込みを論理埋め込みに置き換えることである。
本質的には、論理埋め込みは引数の論理的意味論をカプセル化し、その意味をよりよく表現することができる。
これらの埋め込みをサポートする数学的論理に基づく類似度尺度は、近接性の透明な概念を提供し、現在のコサイン類似度に基づく文脈的単語埋め込みが保証できないいくつかの望ましい理論的特性を満たすことが保証されている。
この類似度尺度は、引数の集合上で正の半定値核を誘導し、再生成ケルネルヒルベルト空間(RKHS)の理論を用いて論理埋め込みを一意に定義することができる。
さらに、この符号化が最適であることは、プロセス中に論理情報が失われないという意味で証明する。
他のRKHSアプリケーションと同様に、論理的な埋め込みは多くの教師なしおよび教師なしのタスクで使用することができる。
本手法の実装と,本手法を文献ベンチマークで検証することを目的とする。
さらに、論理埋め込みは、分類タスクにおけるほとんどの標準埋め込み方法より優れていることを示す。
関連論文リスト
- Logic-Parametric Neuro-Symbolic NLI: Controlling Logical Formalisms for Verifiable LLM Reasoning [13.291627429657412]
本稿では,ニューロシンボリックな自然言語推論のための論理パラメトリックフレームワークを提案する。
古典的および非古典的形式主義を高階論理に組み込む。
論理内部戦略が一貫して性能を向上できることを示す。
論文 参考訳（メタデータ） (2026-01-09T10:47:30Z) - DivLogicEval: A Framework for Benchmarking Logical Reasoning Evaluation in Large Language Models [58.439517684779936]
本稿では,多種多様な文からなる自然文からなる古典論理ベンチマークDivLogicEvalを提案する。
また,より信頼性の高い評価を実現するために,大規模言語モデルに固有のバイアスやランダム性の影響を緩和する新たな評価指標を導入する。
論文 参考訳（メタデータ） (2025-09-19T04:40:46Z) - Non-Interactive Symbolic-Aided Chain-of-Thought for Logical Reasoning [4.839520296557773]
Symbolic-Aided Chain-of-Thought (CoT) は、大規模言語モデル(LLM)における論理的推論に対する改良されたアプローチである。
CoTは軽量なシンボル表現を数発のプロンプトに統合する。
4つのよく知られた論理的推論ベンチマークの実験は、提案手法の有効性を実証している。
論文 参考訳（メタデータ） (2025-08-17T16:32:05Z) - Quantifying Logical Consistency in Transformers via Query-Key Alignment [20.636818928993684]
本稿では,論理的推論のための新しい軽量評価手法を提案する。
提案手法は,1つのフォワードパスを計算し,慎重に選択されたヘッドから「QKスコア」を抽出することにより,無効な推論から確実に分離した潜在表現を明らかにする。
論文 参考訳（メタデータ） (2025-02-24T10:02:50Z) - Proof of Thought : Neurosymbolic Program Synthesis allows Robust and Interpretable Reasoning [1.3003982724617653]
大規模言語モデル(LLM)は自然言語処理に革命をもたらしたが、一貫性のない推論に苦戦している。
本研究では,LLM出力の信頼性と透明性を高めるフレームワークであるProof of Thoughtを紹介する。
主な貢献は、論理的整合性を高めるためのソート管理を備えた堅牢な型システム、事実的知識と推論的知識を明確に区別するための規則の明示である。
論文 参考訳（メタデータ） (2024-09-25T18:35:45Z) - Logical recognition method for solving the problem of identification in
the Internet of Things [0.0]
本研究の目的は、非交差オブジェクトの論理的特徴とクラスを持つ参照テーブルからなるオブジェクト認識のための論理的手法を開発することである。
この手法は、参照テーブルを至るところで定義されていない論理関数として考慮し、特徴空間全体への論理関数の最適継続を構築する。
論文 参考訳（メタデータ） (2024-02-06T19:20:58Z) - An Encoding of Abstract Dialectical Frameworks into Higher-Order Logic [57.24311218570012]
このアプローチは抽象弁証法フレームワークのコンピュータ支援分析を可能にする。
応用例としては、メタ理論的性質の形式的解析と検証がある。
論文 参考訳（メタデータ） (2023-12-08T09:32:26Z) - A Unifying Framework for Learning Argumentation Semantics [47.84663434179473]
Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。
提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
論文 参考訳（メタデータ） (2023-10-18T20:18:05Z) - Modeling Hierarchical Reasoning Chains by Linking Discourse Units and
Key Phrases for Reading Comprehension [80.99865844249106]
本稿では,論理的推論の基盤として,対話レベルと単語レベルの両方の文脈を扱う総合グラフネットワーク(HGN)を提案する。
具体的には、ノードレベルの関係とタイプレベルの関係は、推論過程におけるブリッジと解釈できるが、階層的な相互作用機構によってモデル化される。
論文 参考訳（メタデータ） (2023-06-21T07:34:27Z) - Neuro-Symbolic Inductive Logic Programming with Logical Neural Networks [65.23508422635862]
我々は最近提案された論理ニューラルネットワーク(LNN)を用いた学習規則を提案する。
他のものと比較して、LNNは古典的なブール論理と強く結びついている。
標準ベンチマークタスクの実験では、LNNルールが極めて解釈可能であることを確認した。
論文 参考訳（メタデータ） (2021-12-06T19:38:30Z) - A Formalisation of Abstract Argumentation in Higher-Order Logic [77.34726150561087]
本稿では,古典的高階論理へのエンコーディングに基づく抽象的議論フレームワークの表現手法を提案する。
対話型および自動推論ツールを用いた抽象的議論フレームワークのコンピュータ支援評価のための一様フレームワークを提供する。
論文 参考訳（メタデータ） (2021-10-18T10:45:59Z) - Logic-Driven Context Extension and Data Augmentation for Logical
Reasoning of Text [65.24325614642223]
論理的な記号や表現をテキストで理解し、答えにたどり着くよう提案します。
このような論理的情報に基づいて,文脈拡張フレームワークとデータ拡張アルゴリズムを提案する。
本手法は最先端の性能を実現し,論理駆動コンテキスト拡張フレームワークとデータ拡張アルゴリズムの両方が精度向上に寄与する。
論文 参考訳（メタデータ） (2021-05-08T10:09:36Z)
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。