基于 ASP 的 ABA 学习
原文中文，约300字，阅读约需1分钟。发表于：。最近，提出了 ABA 学习作为一种从背景知识、正负样本中绘制基于假设的论证框架的符号机器学习方法。我们提出了一种使用答案集规划来实现 ABA 学习的新方法，以帮助指导 ABA 学习中的死记硬背和泛化。
本文提出了一种基于逻辑的学习方法，通过利用给定的背景知识从正负样例中生成基于假设的辩证框架，并将这些框架映射到可能是非分层的失败否定的逻辑程序。该方法通过采用转换规则来处理常规规则的例外，其中包括一些从逻辑程序转换规则改编的规则，例如折叠，以及类似于背诵学习和假设引入的其他规则。我们提出了一个应用这些转换规则学习分层框架的通用策略，并还提出了一种处理非分层情况的变体。通过多个示例，我们展示了此方法的优点。
