Learning logic programs by discovering higher-order abstractions

要約

高次のリファクタリング問題を導入します。この問題の目的は、マップ、フィルター、フォールドなどの高次の抽象化を発見することでロジック プログラムを圧縮することです。
私たちは、リファクタリング問題を制約最適化問題として定式化するアプローチを Stevie に実装します。
プログラム合成や視覚的推論などの複数の領域での実験では、リファクタリングによって帰納的論理プログラミング システムの学習パフォーマンスが向上し、具体的には予測精度が 27% 向上し、学習時間が 47% 短縮されることが示されました。
また、Stevie が複数のドメインに転送される抽象化を発見できることも示します。

要約(オリジナル)

We introduce the higher-order refactoring problem, where the goal is to compress a logic program by discovering higher-order abstractions, such as map, filter, and fold. We implement our approach in Stevie, which formulates the refactoring problem as a constraint optimisation problem. Our experiments on multiple domains, including program synthesis and visual reasoning, show that refactoring can improve the learning performance of an inductive logic programming system, specifically improving predictive accuracies by 27% and reducing learning times by 47%. We also show that Stevie can discover abstractions that transfer to multiple domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google