Enhancing a theorem prover by delayed clause-construction and attribute sequences
Notice bibliographique
Résumé
The performance of a resolution-based automated theorem prover (ATP) depends on the speed at which clauses are derived and the efficiency at pruning the search space. The speed at which clauses are derived depends in part on the number of operations performed to construct derived clauses. Depth-first search based ATPs derive clauses in a linear manner. In linear derivations, a large percentage of the derived clauses are intermediate conclusions that are discarded shortly after they are derived. Therefore, the time spent constructing those clauses is wasted. In this thesis we present a stalling strategy, called delayed clause-construction (DCC), that reduces this wasted time by delaying the construction of intermediate conclusions until they are needed. Top-down depth-first search algorithms have the disadvantage of deriving the same clauses over and over again. Bottom-up best-first search approaches solve this problem by redundancy elimination, but their disadvantages are the lack of goal-orientation and the large memory requirements. In this thesis we introduce semi-linear resolution (SLR), a top-down bottom-up search procedure that combines advantageous characteristics found in best-first search and depth-first search algorithms. It requires a modest amount of memory and includes redundancy control. SLR relies on DCC for speed. DCC also provides SLR with ability to perform large inference steps through the use of a mega-inference rule. In order to improve the efficiency of SLR, we developed a restriction strategy, called attribute sequences (ATS), that uses sequences of clause characteristics as a guide to limit the participation of clauses in a linear derivation, thereby reducing the explorable search space . ATS does not compromise completeness. The performance enhancements ensuing from the use of DCC and ATS in SLR are shown in this thesis to be quite significant in theory, through mathematical analysis, and in practice, through the results obtained from CARINE; an implementation of SLR.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».