Emanuele De Angelis, Maurizio Proietti, Francesca Toni
TL;DR最近,提出了 ABA 学习作为一种从背景知识、正负样本中绘制基于假设的论证框架的符号机器学习方法。我们提出了一种使用答案集规划来实现 ABA 学习的新方法,以帮助指导 ABA 学习中的死记硬背和泛化。
Abstract
Recently, aba learning has been proposed as a form of symbolic machine
learning for drawing assumption-based argumentation frameworks from background
knowledge and positive and negative examples. We propose a nov
NeurASP 是一种简单的扩展答案集程序的方法,它综合了神经网络的子符号计算和符号计算。它可以利用预训练的神经网络进行符号计算并通过应用答案集程序中的符号推理来提高神经网络的感知结果。此外,通过使用 ASP 规则训练神经网络,它还可以从规则表达的复杂语义约束中学习,以便神经网络不仅可以从数据的隐式相关性中学习,还可以从规则表达的显式约束中学习。