| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2012-11-07 15:30 Online Large-margin Weight Learning for First-order Logic-based Abduction ○Naoya Inoue・Kazeto Yamamoto・Yotaro Watanabe・Naoaki Okazaki・Kentaro Inui（Tohoku Univ.）  IBISML2012-54 |
|
| 抄録 | （和） | Abduction is inference to the best explanation. Abduction has long been studied in a wide range of contexts and is widely used for modeling artificial intelligence systems, such as diagnostic systems and plan recognition systems. However, less attention has been paid to how to automatically learn score functions, which rank explanations in order of their plausibility. In this paper, we propose a supervised learning approach for first-order logic-based abduction. The contribution of this paper is the following: (i) we show how to formulate the machine learning problem of abduction with the framework of online large-margin training, which has been shown to have both predictive performance and scalability to larger problems; (ii) we extend the state-of-the-art abductive reasoning system to model the score function with a weighted linear model, which is the groundwork for the online large-margin training; (iii) we support partially-specified gold-standard explanations as training examples, where the weights are learned to rank any explanation that includes the gold-standard explanation as the best explanation; (iv) the all-in-one software package for inference and learning is made publicly available. |
| （英） | Abduction is inference to the best explanation. Abduction has long been studied in a wide range of contexts and is widely used for modeling artificial intelligence systems, such as diagnostic systems and plan recognition systems. However, less attention has been paid to how to automatically learn score functions, which rank explanations in order of their plausibility. In this paper, we propose a supervised learning approach for first-order logic-based abduction. The contribution of this paper is the following: (i) we show how to formulate the machine learning problem of abduction with the framework of online large-margin training, which has been shown to have both predictive performance and scalability to larger problems; (ii) we extend the state-of-the-art abductive reasoning system to model the score function with a weighted linear model, which is the groundwork for the online large-margin training; (iii) we support partially-specified gold-standard explanations as training examples, where the weights are learned to rank any explanation that includes the gold-standard explanation as the best explanation; (iv) the all-in-one software package for inference and learning is made publicly available. | |
| キーワード | （和） | アブダクション / 論理推論 / オンライン学習 / ラージマージン学習 / 構造学習 / 隠れ変数 / Passive Aggressive アルゴリズム / |
| （英） | Abduction / Logic-based Reasoning / Online learning / Large-margin training / Structured learning / Latent variables / Passive Aggressive algorithm / | |
| 文献情報 | 信学技報, vol. 112, no. 279, IBISML2012-54, pp. 143-150, 2012年11月. | |
| 資料番号 | IBISML2012-54 | |
| 発行日 | 2012-10-31 (IBISML) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2012-54 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2012-11-07 - 2012-11-09 |
| 開催地（和） | 筑波大学 東京キャンパス文京校舎 |
| 開催地（英） | Bunkyo School Building, Tokyo Campus, Tsukuba Univ. |
| テーマ（和） | 第15回情報論的学習理論ワークショップ |
| テーマ（英） | the 15th Information-Based Induction Sciences Workshop |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2012-11-IBISML |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Online Large-margin Weight Learning for First-order Logic-based Abduction |
| サブタイトル（英） | |
| キーワード(1)（和/英） | アブダクション / Abduction |
| キーワード(2)（和/英） | 論理推論 / Logic-based Reasoning |
| キーワード(3)（和/英） | オンライン学習 / Online learning |
| キーワード(4)（和/英） | ラージマージン学習 / Large-margin training |
| キーワード(5)（和/英） | 構造学習 / Structured learning |
| キーワード(6)（和/英） | 隠れ変数 / Latent variables |
| キーワード(7)（和/英） | Passive Aggressive アルゴリズム / Passive Aggressive algorithm |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 井之上 直也 / Naoya Inoue / イノウエ ナオヤ |
| 第1著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 山本 風人 / Kazeto Yamamoto / ヤマモト カゼト |
| 第2著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 渡邉 陽太郎 / Yotaro Watanabe / ワタナベ ヨウタロウ |
| 第3著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 岡崎 直観 / Naoaki Okazaki / オカザキ ナオアキ |
| 第4著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 乾 健太郎 / Kentaro Inui / イヌイ ケンタロウ |
| 第5著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2012-11-07 15:30:00 |
| 発表時間 | 150分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2012-54 |
| 巻番号（vol） | vol.112 |
| 号番号（no） | no.279 |
| ページ範囲 | pp.143-150 |
| ページ数 | 8 |
| 発行日 | 2012-10-31 (IBISML) |
[研究会発表申込システムのトップページに戻る]