基于图神经网络的单词方程求解指导算法（扩展技术报告）
机器学习
2024-11-26 v1 人工智能
计算与语言
计算机科学中的逻辑
摘要
本文提出一种基于图神经网络（GNN）的单词方程求解算法，基于众所周知的用于拆分方程的 Nielsen 变换。该算法迭代重写方程每侧的前导项，从而产生类树状搜索空间。在每个分支点处的路径选择对求解时间具有显著影响，这激励使用图神经网络（GNN）进行高效的分支决策。分支决策被编码为多分类任务，介绍了五种单词方程的图表示形式，用于为 GNNs 编码其结构信息。该算法实现为名为 DragonLi 的求解器。实验在人工和真实基准数据集上进行。该算法在可满足的问题上表现尤为出色。对于单个单词方程，DragonLi 能解决的题目数量显著超过了 established 的字符串求解器。对于多个单词方程的 conjunction，DragonLi 在解决 state-of-the-art 字符串求解器方面具有竞争力。
关键词
引用
@article{arxiv.2411.15194,
title = {Guiding Word Equation Solving using Graph Neural Networks (Extended Technical Report)},
author = {Parosh Aziz Abdulla and Mohamed Faouzi Atig and Julie Cailler and Chencheng Liang and Philipp Rümmer},
journal= {arXiv preprint arXiv:2411.15194},
year = {2024}
}