DeepSWIP:神经概率逻辑程序的商WMC反事实语义

DeepSWIP: Quotient-WMC Counterfactuals for Neural Probabilistic Logic Programs

精选理由

想给概率逻辑程序加上精准的反事实推理?DeepSWIP用商WMC方法避免了DeepTwin的内生重复,实测快两倍多,做因果推断的朋友可以看看。

AI 摘要

DeepSWIP为DeepProbLog引入单世界反事实语义,通过神经具体化将固定上下文神经谓词转为ProbLog选择,并应用单世界干预程序(SWIP)计算反事实。实验在MPI3D数据集上对比DeepTwin构造,针对12,000个查询实现2.14倍推理加速。SUMO HOV实验表明神经校准退化会偏误插件估计,而AIPW估计器可消除大部分一阶偏差。代码已开源。

AI 翻译 · 中文

DeepSWIP为DeepProbLog引入单世界反事实语义,通过神经具体化将固定上下文神经谓词转为ProbLog选择,并应用单世界干预程序(SWIP)计算反事实。实验在MPI3D数据集上对比DeepTwin构造,针对12,000个查询实现2.14倍推理加速。SUMO HOV实验表明神经校准退化会偏误插件估计,而AIPW估计器可消除大部分一阶偏差。代码已开源。

arXiv cs.AINeurosymbolic systems such as DeepProbLog combine neural perception with probabilistic logic, but standard inference is associational. Counterfactual reasoning additionally requires a causal semantics for interventions a