JP7464946B2 - 論理プログラム推定装置、論理プログラム推定方法、及びプログラム - Google Patents
論理プログラム推定装置、論理プログラム推定方法、及びプログラム Download PDFInfo
- Publication number
- JP7464946B2 JP7464946B2 JP2021013767A JP2021013767A JP7464946B2 JP 7464946 B2 JP7464946 B2 JP 7464946B2 JP 2021013767 A JP2021013767 A JP 2021013767A JP 2021013767 A JP2021013767 A JP 2021013767A JP 7464946 B2 JP7464946 B2 JP 7464946B2
- Authority
- JP
- Japan
- Prior art keywords
- logic program
- candidate
- definite
- clauses
- ground
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 54
- 238000012545 processing Methods 0.000 claims description 59
- 238000012549 training Methods 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 36
- 239000013598 vector Substances 0.000 claims description 28
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000009795 derivation Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 19
- 230000001939 inductive effect Effects 0.000 description 17
- 238000010801 machine learning Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Description
前記論理プログラムを構成する確定節の候補となる候補確定節集合をビーム探索により生成し、前記候補確定節集合に基づいてグラウンドアトム集合を生成し、前記候補確定節集合における各候補確定節の重みからなるパラメータ集合を用いて、前記グラウンドアトム集合における各グラウンドアトムの導出確度を表す評価ベクトルを生成する生成部と、
前記訓練例におけるグラウンドアトムのラベルと、前記評価ベクトルに基づいて推定されたラベルとの間の誤差を示す損失関数が最小になるように、前記パラメータ集合を算出する学習処理部と、
を備える論理プログラム推定装置が提供される。
本実施の形態では、後述する論理プログラム推定装置が、ある概念についての正例と負例からなる訓練例から、当該概念を表す、関数記号を含む論理プログラムをデータから微分操作によって推定する。そのために、本実施の形態では、既存手法である∂ILPに比べて計算を効率化している。具体的には、推定する対象の論理プログラムに含まれ得るdefinite clause(確定節)を探索する際にビーム探索に基づく探索を実行することで、余分な探索の実行を避けて計算量を削減する。また、学習の途中で必要となるGround atomの列挙において、訓練例を参照することによって不必要なatomの列挙を避ける。最後に、訓練例から計算グラフを作成する際に、新たな選択演算(後述するsoftor)を導入することによって、∂ILPにおいて課されていた節の形式に関する制約事項を回避する。
論理プログラム推定装置の構成と動作について説明する前に、まず、本実施の形態の説明で用いる記号や用語について説明する。
connected(X,Y)←edge(X,Z),connected(Z,Y)
上記の論理プログラムにおいて、X、Y、Zは変数であり、edge、connectedは述語記号であり、connected(X,Y)、edge(X,Y)、connected(Z,Y)はatomである。上記の論理プログラムは、「connected」という述語(概念)が、2つのdefinite cluaseで定義されることを示している。
図1は、本実施の形態における論理プログラム推定装置100の構成図である。図1に示すように、本実施の形態における論理プログラム推定装置100は、入力部110、計算グラフ生成処理部120、学習処理部130、学習結果出力部140、及び記憶部150を有する。なお、計算グラフ生成処理部120を生成部と呼び、学習結果出力部140を出力部と呼んでもよい。各機能部の概要は下記のとおりである。
本実施の形態における論理プログラム推定装置100は、例えば、コンピュータに、本実施の形態で説明する処理内容を記述したプログラムを実行させることにより実現可能である。
論理プログラム推定装置100の全体動作に係る処理の流れについて図3のフローチャートを参照して説明する。
S200で実行される計算グラフ生成処理部120による計算グラフ生成処理について、図4のフローチャートを参照して説明する。
S201において、計算グラフ生成処理部120は、解の候補となるdefinite clauseの集合cを構築する。帰納論理プログラムの問題の解はH⊆cを満たすとする。
図4のS202において、計算グラフ生成処理部120は、ground atomの集合を作成する。S202で作成されたground atomの集合は、次のS203で計算グラフ生成処理の際に用いられる。S202で実行する処理に対応するアルゴリズム2を図7に示す。
計算グラフ生成処理部120は、S203において計算グラフを作成する。計算グラフは、Q、clauseの集合c、及びground atomの集合gをもとに作成されたベクトルv0、及びテンソルXを用いて論理推定の過程を表現する、微分可能な数理モデルである。具体的には、計算グラフとして、vT=finfer(X,v0,W,T)を求める。
計算グラフ生成処理部120が計算グラフを構築した後(具体的には、vT=finfer(X,v0,W,T)を算出した後)、学習処理部130が、S300のパラメータ推定処理を行う。帰納論理プログラミングの問題をQ=(ε+,ε-,B,L)としたときに、学習処理部130は、atomとそのラベルyの対を
最後のS400において、学習結果出力部140は、S300において算出されたWをもとにしてclauseの集合を求めて出力する。具体的には、各w1,...,wmについて、値が最大となる要素のインデックスを選択し、そのインデックスを、そのインデックスに対応するdefinite clauseの要素C∈cに置き換えたものの集合を出力する。この集合(m個のdefinite clause)が、推定結果となる論理プログラムである。
本実施の形態に係る技術により、既存の手法である∂ILPでは扱えなかった、関数記号を含む論理プログラムの勾配法による学習を実現することができるため、より複雑な問題に対して論理プログラムを求めることが可能となる。
ある概念についての訓練例に基づいて、当該概念を表す論理プログラムを推定する論理プログラム推定装置であって、
メモリと、
前記メモリに接続された少なくとも1つのプロセッサと、
を含み、
前記プロセッサは、
前記論理プログラムを構成する確定節の候補となる候補確定節集合をビーム探索により生成し、前記候補確定節集合に基づいてグラウンドアトム集合を生成し、前記候補確定節集合における各候補確定節の重みからなるパラメータ集合を用いて、前記グラウンドアトム集合における各グラウンドアトムの導出確度を表す評価ベクトルを生成し、
前記訓練例におけるグラウンドアトムのラベルと、前記評価ベクトルに基づいて推定されたラベルとの間の誤差を示す損失関数が最小になるように、前記パラメータ集合を算出する、
論理プログラム推定装置。
(付記項2)
前記プロセッサは、前記訓練例の中の正例のうち、候補確定節により導出できる正例の総数に基づくスコアを用いて候補確定節の絞り込みを行って、前記候補確定節集合を生成する
付記項1に記載の論理プログラム推定装置。
(付記項3)
前記プロセッサは、前記訓練例を参照して、前記訓練例の導出に必要なグラウンドアトムのみを列挙することにより、前記グラウンドアトム集合を生成する
付記項1又は2に記載の論理プログラム推定装置。
(付記項4)
前記プロセッサは、指数関数の和の演算を実行することにより、tステップの前向き推論で得られた評価ベクトルから、t+1ステップ目の評価ベクトルを算出する
付記項1ないし3のうちいずれか1項に記載の論理プログラム推定装置。
(付記項5)
前記パラメータ集合において、前記候補確定節集合の要素数次元のベクトルが、求める対象の前記論理プログラムに含まれる確定節の数だけ存在する
付記項1ないし4のうちいずれか1項に記載の論理プログラム推定装置。
(付記項6)
前記プロセッサは、前記パラメータ集合に基づいて、推定結果となる論理プログラムを出力する、
付記項1ないし5のうちいずれか1項に記載の論理プログラム推定装置。
(付記項7)
ある概念についての訓練例に基づいて、当該概念を表す論理プログラムを推定する、メモリと、前記メモリに接続された少なくとも1つのプロセッサと、を含む論理プログラム推定装置が実行する論理プログラム推定方法であって、
前記プロセッサが、
前記論理プログラムを構成する確定節の候補となる候補確定節集合をビーム探索により生成し、前記候補確定節集合に基づいてグラウンドアトム集合を生成し、前記候補確定節集合における各候補確定節の重みからなるパラメータ集合を用いて、前記グラウンドアトム集合における各グラウンドアトムの導出確度を表す評価ベクトルを生成し、
前記訓練例におけるグラウンドアトムのラベルと、前記評価ベクトルに基づいて推定されたラベルとの間の誤差を示す損失関数が最小になるように、前記パラメータ集合を算出する、
論理プログラム推定方法。
(付記項8)
ある概念についての訓練例に基づいて、当該概念を表す論理プログラムを推定するようにコンピュータによって実行可能なプログラムを記憶した非一時的記憶媒体であって、
前記論理プログラムを推定する処理は、
前記論理プログラムを構成する確定節の候補となる候補確定節集合をビーム探索により生成し、前記候補確定節集合に基づいてグラウンドアトム集合を生成し、前記候補確定節集合における各候補確定節の重みからなるパラメータ集合を用いて、前記グラウンドアトム集合における各グラウンドアトムの導出確度を表す評価ベクトルを生成し、
前記訓練例におけるグラウンドアトムのラベルと、前記評価ベクトルに基づいて推定されたラベルとの間の誤差を示す損失関数が最小になるように、前記パラメータ集合を算出する、
非一時的記憶媒体。
110 入力部
120 計算グラフ生成処理部
130 学習処理部
140 学習結果出力部
150 記憶部
1000 ドライブ装置
1001 記録媒体
1002 補助記憶装置
1003 メモリ装置
1004 CPU
1005 インタフェース装置
1006 表示装置
1007 入力装置
1008 出力装置
Claims (8)
- ある概念についての訓練例に基づいて、当該概念を表す論理プログラムを推定する論理プログラム推定装置であって、
前記論理プログラムを構成する確定節の候補となる候補確定節集合をビーム探索により生成し、前記候補確定節集合に基づいてグラウンドアトム集合を生成し、前記候補確定節集合における各候補確定節の重みからなるパラメータ集合を用いて、前記グラウンドアトム集合における各グラウンドアトムの導出確度を表す評価ベクトルを生成する生成部と、
前記訓練例におけるグラウンドアトムのラベルと、前記評価ベクトルに基づいて推定されたラベルとの間の誤差を示す損失関数が最小になるように、前記パラメータ集合を算出する学習処理部と、
を備える論理プログラム推定装置。 - 前記生成部は、前記訓練例の中の正例のうち、候補確定節により導出できる正例の総数に基づくスコアを用いて候補確定節の絞り込みを行って、前記候補確定節集合を生成する
請求項1に記載の論理プログラム推定装置。 - 前記生成部は、前記訓練例を参照して、前記訓練例の導出に必要なグラウンドアトムのみを列挙することにより、前記グラウンドアトム集合を生成する
請求項1又は2に記載の論理プログラム推定装置。 - 前記生成部は、指数関数の和の演算を実行することにより、tステップの前向き推論で得られた評価ベクトルから、t+1ステップ目の評価ベクトルを算出する
請求項1ないし3のうちいずれか1項に記載の論理プログラム推定装置。 - 前記パラメータ集合において、前記候補確定節集合の要素数次元のベクトルが、求める対象の前記論理プログラムに含まれる確定節の数だけ存在する
請求項1ないし4のうちいずれか1項に記載の論理プログラム推定装置。 - 前記パラメータ集合に基づいて、推定結果となる論理プログラムを出力する出力部、
を更に備える請求項1ないし5のうちいずれか1項に記載の論理プログラム推定装置。 - ある概念についての訓練例に基づいて、当該概念を表す論理プログラムを推定する論理プログラム推定装置が実行する論理プログラム推定方法であって、
前記論理プログラムを構成する確定節の候補となる候補確定節集合をビーム探索により生成し、前記候補確定節集合に基づいてグラウンドアトム集合を生成し、前記候補確定節集合における各候補確定節の重みからなるパラメータ集合を用いて、前記グラウンドアトム集合における各グラウンドアトムの導出確度を表す評価ベクトルを生成する生成ステップと、
前記訓練例におけるグラウンドアトムのラベルと、前記評価ベクトルに基づいて推定されたラベルとの間の誤差を示す損失関数が最小になるように、前記パラメータ集合を算出する学習処理ステップと、
を備える論理プログラム推定方法。 - コンピュータを、請求項1ないし6のうちいずれか1項に記載の論理プログラム推定装置における各部として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021013767A JP7464946B2 (ja) | 2021-01-29 | 2021-01-29 | 論理プログラム推定装置、論理プログラム推定方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021013767A JP7464946B2 (ja) | 2021-01-29 | 2021-01-29 | 論理プログラム推定装置、論理プログラム推定方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022117195A JP2022117195A (ja) | 2022-08-10 |
JP7464946B2 true JP7464946B2 (ja) | 2024-04-10 |
Family
ID=82749908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021013767A Active JP7464946B2 (ja) | 2021-01-29 | 2021-01-29 | 論理プログラム推定装置、論理プログラム推定方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7464946B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018025288A1 (ja) | 2016-08-02 | 2018-02-08 | 日本電気株式会社 | 推論システム、情報処理システム、推論方法、及び、記録媒体 |
JP2018092576A (ja) | 2016-12-05 | 2018-06-14 | タタ コンサルタンシー サービシズ リミテッドTATA Consultancy Services Limited | 離散最適化のための帰納論理プログラミング強化ディープビリーフネットワーク・モデルのトレーニング |
JP2019061623A (ja) | 2017-09-28 | 2019-04-18 | 日本電信電話株式会社 | パラメータ推定装置、方法、及びプログラム |
-
2021
- 2021-01-29 JP JP2021013767A patent/JP7464946B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018025288A1 (ja) | 2016-08-02 | 2018-02-08 | 日本電気株式会社 | 推論システム、情報処理システム、推論方法、及び、記録媒体 |
JP2018092576A (ja) | 2016-12-05 | 2018-06-14 | タタ コンサルタンシー サービシズ リミテッドTATA Consultancy Services Limited | 離散最適化のための帰納論理プログラミング強化ディープビリーフネットワーク・モデルのトレーニング |
JP2019061623A (ja) | 2017-09-28 | 2019-04-18 | 日本電信電話株式会社 | パラメータ推定装置、方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2022117195A (ja) | 2022-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Grathwohl et al. | Learning the stein discrepancy for training and evaluating energy-based models without sampling | |
Regis et al. | A stochastic radial basis function method for the global optimization of expensive functions | |
Fierens et al. | Inference and learning in probabilistic logic programs using weighted boolean formulas | |
CN114641779A (zh) | 机器学习模型的对抗训练 | |
Duchi et al. | Randomized smoothing for (parallel) stochastic optimization | |
CN111027292B (zh) | 一种限定采样文本序列生成方法及其系统 | |
Luus et al. | Logic embeddings for complex query answering | |
Wang et al. | Fast truncated Huber loss SVM for large scale classification | |
JP7464946B2 (ja) | 論理プログラム推定装置、論理プログラム推定方法、及びプログラム | |
Blank et al. | PSAF: a probabilistic surrogate-assisted framework for single-objective optimization | |
Wang et al. | A new fast ADMM for kernelless SVM classifier with truncated fraction loss | |
Shi et al. | Alleviate dataset shift problem in fine-grained entity typing with virtual adversarial training | |
Wu et al. | Stgn: an implicit regularization method for learning with noisy labels in natural language processing | |
WO2014087506A1 (ja) | 語義推定装置、語義推定方法及び語義推定プログラム | |
Ruskanda et al. | Quantum representation for sentiment classification | |
JP5206196B2 (ja) | 規則学習方法、プログラム及び装置 | |
JP7175474B2 (ja) | 文生成学習方法、文生成学習装置及びプログラム | |
JP7357290B2 (ja) | 論理プログラム推論装置、論理プログラム推論方法、及びプログラム | |
Kalra et al. | Learning opposites using neural networks | |
Dhuliawala et al. | Variational Classification | |
KR20210141150A (ko) | 이미지 분류 모델을 이용한 이미지 분석 방법 및 장치 | |
Philipp | The nonlinearity coefficient-A practical guide to neural architecture design | |
Zhu et al. | A brief survey of quantum architecture search | |
Bridge | Machine learning and automated theorem proving | |
Clift et al. | Geometry of program synthesis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20210205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20210205 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230215 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240229 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240312 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240319 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7464946 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |