Simple Dataset for Proof Method Recommendation in Isabelle/HOL

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F20%3A00346115" target="_blank" >RIV/68407700:21230/20:00346115 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1007/978-3-030-53518-6_21" target="_blank" >https://doi.org/10.1007/978-3-030-53518-6_21</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-53518-6_21" target="_blank" >10.1007/978-3-030-53518-6_21</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Simple Dataset for Proof Method Recommendation in Isabelle/HOL

Popis výsledku v původním jazyce

Recently, a growing number of researchers have applied machine learning to assist users of interactive theorem provers. However, the expressive nature of underlying logics and esoteric structures of proof documents impede machine learning practitioners, who often do not have much expertise in formal logic, let alone Isabelle/HOL, from achieving a large scale success in this field. In this data description, we present a simple dataset that contains data on over 400k proof method applications along with over 100 extracted features for each in a format that can be processed easily without any knowledge about formal logic. Our simple data format allows machine learning practitioners to try machine learning tools to predict proof methods in Isabelle/HOL without requiring domain expertise in logic

Název v anglickém jazyce

Simple Dataset for Proof Method Recommendation in Isabelle/HOL

Popis výsledku anglicky

Recently, a growing number of researchers have applied machine learning to assist users of interactive theorem provers. However, the expressive nature of underlying logics and esoteric structures of proof documents impede machine learning practitioners, who often do not have much expertise in formal logic, let alone Isabelle/HOL, from achieving a large scale success in this field. In this data description, we present a simple dataset that contains data on over 400k proof method applications along with over 100 extracted features for each in a format that can be processed easily without any knowledge about formal logic. Our simple data format allows machine learning practitioners to try machine learning tools to predict proof methods in Isabelle/HOL without requiring domain expertise in logic

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/EF15_003%2F0000466" target="_blank" >EF15_003/0000466: Umělá inteligence a uvažování</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Lecture Notes in Computer Science

ISBN

978-3-030-53517-9

ISSN

0302-9743

e-ISSN

1611-3349

Počet stran výsledku

6

Strana od-do

297-302

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Bertinoro, Forli

Datum konání akce

26. 7. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—