提出一种考虑项的重复性的 repeatable random permutation set ($ m R^2PS$) 模型,并构建一个基于其属性的决策支持系统模拟来展示其有效性。
Nov, 2022
信息检索中的知识图谱问答方法包括两个阶段:子图提取和答案推理。我们认为当前的子图提取方法低估了证据事实之间的结构依赖的重要性。我们提出了证据模式检索(EPR)来在子图提取过程中明确地建模结构依赖关系。通过对资源对的原子相邻模式进行索引,我们实现了 EPR。给定一个问题,我们进行密集检索,以获取由资源对形成的原子模式。然后,我们枚举它们的组合来构造候选证据模式。使用神经模型对这些证据模式进行评分,并选择最佳模式来提取下游答案推理所需的子图。实验结果表明,基于 EPR 的方法显著提高了在 ComplexWebQuestions 上 IR-KGQA 方法的 F1 得分,且在 WebQuestionsSP 上取得了竞争性的性能。
Feb, 2024
本文提出了一种关于认知随机模糊集的普遍理论,用于处理模糊或清晰证据,并通过广义的乘积交集规则进行独立认知随机模糊集的组合,提出了用于量化标量或矢量量,即高斯随机模糊数和多维高斯随机模糊向量的实用模型,并为组合、投影和平凡扩展推导了高斯随机模糊数和向量的公式。
Feb, 2022
该研究采用概率正则树表达式 (pRTE) 紧凑表达领域专家对科学方程的先验信念,并采用贝叶斯推理将其提供给以有限状态机编码的符号回归,以有效提高其搜索效率和性能。
Jun, 2023
通过在随机排列集合理论(RPST)的性质基础上构建随机行走模型,并进行蒙特卡罗模拟,我们发现通过 RPST 生成的随机行走表现出与高斯随机行走类似的特征,并可以通过特定的极限缩放过程转化为维纳过程,从而为 RPST 和随机行走理论建立了新的联系,扩展了 RPST 的适用性,并展示出结合这两种方法优势以改进问题解决能力的潜力。
Apr, 2024
研究论文探讨了在多步推理中利用反馈机制和搜索机制提高模型推理准确性的效果,提出了一种基于奖励模型的启发式贪婪搜索算法,与其他方法相比在数学推理和代码生成任务中表现出更好的结果,并展示了在推理任务中基于奖励模型的方法的鲁棒性。
Oct, 2023
本文探讨了基于参数化建模的 {General Random Utility Models (GRUMs)},并基于贝叶斯实验设计的原则提出了两种 GRUMs 的偏好引导方案,其中之一适用于社会选择,另一种适用于个性化选择。我们还结合 Monte-Carlo-Expectation-Maximization (MC-EM) 方法提出了一种进行 GRUMs 下的 MAP 推断的算法。同时,我们证明了一类 GRUMs 的似然函数单峰性,并通过实验研究的性能表现证明了所提出引导方案提高了估计的精度。
Sep, 2013
本文提出了一种分层规则感知网络(SRAN),以解决图形推理测试 RPM 中的互补偏差问题,并引入了用于创建改进数据集 I-RAVEN 的答案集生成算法
Feb, 2020
本文介绍了一种使用基于筛选的方法生成理性规则的框架,该方法使用多方泛化步骤基于每个代理对不同论点的信念和对应于先验认知限制的认知图生成一组理性规则,并针对决策合理规则的公设提出了一种分析数据集合理性的标准。我们在两个数据集上评估这种方法,实证结果表明,与原始框架相比,基于筛选的方法具有更好的效率,并且生成的规则被保证是合理的。
研究网络结构的统计模型中,针对采样亚网络应用整个网络模型来估计参数假设模型在采样下一致,但实际上这个假设会严重限制模型的表达能力,本文针对流行的指数随机图模型进行了讨论并提出了一些可行性条件和可能的解决方法。
Nov, 2011