面向远距离监督的可微逻辑编程

我们提出了一种新方法，用于在神经符号人工智能（NeSy）中将神经网络与逻辑编程集成，以解决远距离监督问题，即直接标签不可用的情形。不同于先前方法， ours approach不依赖于用于推理缺失标签的符号求解器。相反，它通过将神经网络输出和逻辑程序嵌入矩阵中，以可微方式评估逻辑推论和约束。该方法实现了在远距离监督下的更高效学习。我们在保持训练数据量不变的前提下，对比了现有方法。研究结果表明，我们的方法在多个任务上不仅与其他方法相当或更好，还加快了学习过程。这些结果凸显了该方法在提升NeSy应用的准确率和学习效率方面的潜力。