基于 Concordia 的并行神经符号集成
人工智能
2023-06-16 v2 计算与语言
摘要
并行神经符号架构已通过从逻辑理论向深度模型蒸馏知识而在 NLP 中有效应用。然而，现有方法面临若干局限，包括仅支持受限形式的逻辑理论，以及依赖逻辑与深度网络间独立的假设。我们提出 Concordia，一个克服现有方法局限的框架。Concordia 对深度网络与逻辑理论均无关，支持广泛的概率理论。我们的框架可支持两部分的监督训练及神经组件的无监督训练。Concordia 已成功应用于 NLP 与数据分类之外的任务，在集体活动检测、实体链接与推荐任务上提升了 SOTA 的准确率。
引用
@article{arxiv.2306.00480,
title = {Parallel Neurosymbolic Integration with Concordia},
author = {Jonathan Feldstein and Modestas Jurčius and Efthymia Tsamoura},
journal= {arXiv preprint arXiv:2306.00480},
year = {2023}
}
备注
Fortieth International Conference on Machine Learning, 16 pages (including appendix)