\mathcal{O}(n)$ 時間で取り込めるため、モデルの再学習が不要になる点です。
PHISHREV：文脈対応型フィッシングWebサイト分類のための、ハイブリッド機械学習＋事後的な非単調推論フレームワーク
arXiv cs.AI / 2026/4/29
📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research
要点
- 本論文はPHISHREVを提案し、統計的機械学習による分類器に、Answer Set Programming（ASP）を用いた非単調な事後推論を組み合わせることで、文脈に応じて判断を洗練できるようにします。
- 専門家知識に基づく形式的な信念（belief）改訂により、推論層が分類器の出力を修正・調整し、意思決定の一貫性向上を狙います。
- 実験では、事後推論モジュールが分類器の出力の5.08%を変更し、その結果としてより信頼性の高い判断につながることが示されます。
- 重要な利点として、新しいドメイン知識を推論層にO(n)時間で追加できるため、基盤となるMLモデルの再学習が不要になります。
