An $\mathbf{L^*}$ Algorithm for Deterministic Weighted Regular Languages

要約

ブラックボックス モデルから有限状態オートマトン (FSA) を抽出すると、複雑なモデルの動作について解釈可能な洞察を得る強力なアプローチが得られます。
この追求をサポートするために、FSA を学習するための Angluin (1987) $\mathbf{L^*}$ アルゴリズムの重み付きバリアントを紹介します。
私たちは元のアルゴリズムに忠実であり、重みが除算をサポートする決定論的な重み付き FSA を正確に学習する方法を考案しました。
さらに、FSA 最小化との関連を強調する方法で学習プロセスを定式化し、$\mathbf{L^*}$ がターゲット言語の最小オートマトンを直接学習する方法を示します。

要約(オリジナル)

Extracting finite state automata (FSAs) from black-box models offers a powerful approach to gaining interpretable insights into complex model behaviors. To support this pursuit, we present a weighted variant of Angluin’s (1987) $\mathbf{L^*}$ algorithm for learning FSAs. We stay faithful to the original algorithm, devising a way to exactly learn deterministic weighted FSAs whose weights support division. Furthermore, we formulate the learning process in a manner that highlights the connection with FSA minimization, showing how $\mathbf{L^*}$ directly learns a minimal automaton for the target language.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google