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

要約

この論文では、ベクトル表現と演繹的推論を組み合わせた神経記号的推論者である Sandra について紹介します。
Sandra は、オントロジーによって制約されたベクトル空間を構築し、それに対して推論を実行します。
推論器の幾何学的性質により、ニューラル ネットワークとの組み合わせが可能になり、記号的な知識表現とのギャップを埋めることができます。
Sandra は、フレーム セマンティクスを形式化した、Description andsituation (DnS) オントロジー設計パターンに基づいています。
一連の事実 (状況) 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できるすべての可能な視点 (説明) を推測することができます。
DnS モデルに関して私たちの方法が正しいことを証明します。
2 つの異なるタスクとその標準ベンチマークを実験し、複雑さを増すことなく、sandra が (i) すべてのベースラインを上回るパフォーマンスを示し、(ii) 分類プロセスで解釈可能性を提供し、(iii) 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しました。
アプリオリ。

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, Google