利用一个非常简单的性质高效推断 NFA
人工智能
2023-03-17 v1
摘要
语法推断旨在将形式文法学习为有限状态机或一组重写规则。在本文中，我们关注从给定样本中推断必须接受某些词并拒绝另一些词的非确定有限自动机（NFA）。该问题可自然地用 SAT 建模。标准模型规模庞大，为此人们设计了基于前缀、后缀及混合的模型以生成更小的 SAT 实例。有一个非常简单且明显的性质：若对给定样本存在大小为 k 的 NFA，则也存在大小为 k+1 的 NFA。我们首先通过为大小为 k+1 的 NFA 添加一些特征来强化该性质。因此，我们可以利用该性质收紧给定样本最小 NFA 大小的界。随后，我们提出了针对大小为 k+1 的 NFA 的简化且精炼的模型，其比针对大小为 k 的初始模型更小。我们还提出了一种归约算法，从特定的大小为 k+1 的 NFA 构建大小为 k 的 NFA。最后，我们通过一些实验验证了我们的方案，显示了该方法的高效性。
引用
@article{arxiv.2303.09311,
title = {Taking advantage of a very simple property to efficiently infer NFAs},
author = {Tomasz Jastrzab and Frédéric Lardeux and Eric Monfroy},
journal= {arXiv preprint arXiv:2303.09311},
year = {2023}
}