Mar, 2024

从自然语言规范到 ASP 程序的自动组合

PDF
TL;DR该论文介绍了自动化组合 Answer Set Programming（ASP）规范的第一步，包括基于图问题规范的数据集的设计与评估、利用神经机器翻译将自然语言转化为控制自然语言语句，以及通过 CNL2ASP 工具将控制自然语言语句转化为 ASP 代码，实验证实了该方法的可行性。
answer set programmingasp specificationsgraph-related problemnl2asp toolneural machine translation
发现论文，激发创造
  • CNL2ASP：将受控自然语言句子转换为 ASP

    使用受控自然语言（CNL）形式的英语句子作为输入，CNL2ASP 工具将其转换为 ASP 规则，用于指定合成和实际组合问题的声明性编程语言 ——Answer Set Programming（ASP）。经过实验分析，我们的工具在真实问题上表现出与 ASP 开发者编写的编码相当的性能。

    Nov, 2023

  • ASP 程序的部分编译

    本文提出了一种扩展的 ASP 系统结构，其中将输入程序的部分编译为特定的二进制，并可能不受基础步骤的限制。我们提出了相关的部分编译技术，并在一个著名的 ASP 求解器上实现了新方法。结果表明，基于编译的方法对于各种用例都有改进。

    Jul, 2019

  • 验证答案集编程的工具和方法

    该研究的目标是扩展支持 ASP 程序验证的工具和理论，旨在促进知识表示和推理的发展，并解决人工智能中的可靠性和可解释性问题。

    Aug, 2022

  • 第七届答案集编程竞赛：设计与结果

    本文介绍了关于 Answer Set Programming 的比赛，并讨论了设计和结果。

    Apr, 2019

  • 一种多引擎的答案集编程方法

    本文提出了一种在现有 ASP 求解器基础之上通过应用机器学习方法，通过识别 ASP 程序的一组易于计算的句法特征，并对这些实例上的性能表现进行归纳学习算法选择策略，从而能够比第三届 ASP 竞赛的任何求解器都更有效地解决实例。

    Jun, 2013

  • NeurASP：将神经网络融入 Answer Set Programming

    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。

    Jul, 2023

  • 将 NP-SPEC 翻译为 ASP

    本文提出了 NP-SPEC 语言，它是一种用于以声明方式指定 NP 问题的语言。我们将 NP-SPEC 翻译成各种形式的 ASP 并进行分析。此外，我们认为将 NP-SPEC 的某些语言内部结构合并到主流 ASP 中可能会很有用。

    Jan, 2013

  • 可解释的答案集编程

    人工智能的可解释性越来越受到关注，本研究试图填补 Answer-set Programming 中的解释支持的空白，并通过扩展语言支持和开发新的解释形式（如对比解释）来推进可解释 ASP 的研究。

    Aug, 2023

  • 基于启发式分解的答案集计算优化

    该研究提出了一种新的优化方法，基于树分解技术和启发式算法，可以将一个输入的逻辑程序转化为一个等价的程序以提高 ASP 系统的求解效率，并在实验中验证了其有效性。

    Dec, 2018

  • 答案集编程的解释

    xASP2 是一个增强型的解释性人工智能系统，用于生成 Answer Set Programming（ASP）的解释图。与 xASP 不同，xASP2 支持不同的 clingo 构造，如选择规则、约束和聚合函数如 #sum、#min。该研究提供了一个能够将假设集合尽可能缩小并通过有向无环图形式展示解释的 ASP 广泛片段的可解释人工智能系统。

    Aug, 2023