Sandra — A Neuro-Symbolic Reasoner Based On Descriptions And Situations

要約

本稿では、ベクトル表現と演繹的推論を組み合わせたニューロ記号推論器sandraを紹介する。サンドラはオントロジーに制約されたベクトル空間を構築し、その上で推論を行う。この推論器の幾何学的な性質はニューラルネットワークとの結合を可能にし、記号的知識表現とのギャップを埋める。SandraはDnS（Description and Situation）オントロジーデザインパターンに基づいている。事実（状況）の集合が与えられると、不完全な情報が存在する場合でも、それに対するもっともらしい解釈を提供することができるすべての可能な視点（記述）を推論することができる。我々はDnSモデルに関して我々の方法が正しいことを証明する。つの異なるタスクとその標準的なベンチマークを用いて実験を行い、複雑さを増すことなく、sandraが(i)全てのベースラインを凌駕すること、(ii)分類過程における解釈可能性を提供すること、(iii)先験的に設計されたベクトル空間の制御を可能にすることを実証する。

要約(オリジナル)

This paper presents sandra, a neuro-symbolic reasoner combining vectorial representations with deductive reasoning. Sandra builds a vector space constrained by an ontology and performs reasoning over it. The geometric nature of the reasoner allows its combination with neural networks, bridging the gap with symbolic knowledge representations. Sandra is based on the Description and Situation (DnS) ontology design pattern, a formalization of frame semantics. Given a set of facts (a situation) it allows to infer all possible perspectives (descriptions) that can provide a plausible interpretation for it, even in presence of incomplete information. We prove that our method is correct with respect to the DnS model. We experiment with two different tasks and their standard benchmarks, demonstrating that, without increasing complexity, sandra (i) outperforms all the baselines (ii) provides interpretability in the classification process, and (iii) allows control over the vector space, which is designed a priori.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL