[論文レビュー] Probabilistic Logic Programming under Inheritance with Overriding

Thomas Lukasiewicz|arXiv (Cornell University)|Jan 10, 2013

Logic, Reasoning, and Knowledge参考文献 32被引用数 32

ひとこと要約

この論文は、不確実性下での条件付き制約を扱うために、継承とオーバーライドを統合した、確率論的論理プログラミングのための新しいフレームワークを提案する。古典的論理的含意に確率的デフォルト推論を拡張することで、階層的確率的知識ベースにおいて効率的で意味論的に整合性のある推論を可能にし、性能向上のためのアルゴリズムと最適化を提供する。

ABSTRACT

We present probabilistic logic programming under inheritance with overriding. This approach is based on new notions of entailment for reasoning with conditional constraints, which are obtained from the classical notion of logical entailment by adding the principle of inheritance with overriding. This is done by using recent approaches to probabilistic default reasoning with conditional constraints. We analyze the semantic properties of the new entailment relations. We also present algorithms for probabilistic logic programming under inheritance with overriding, and program transformations for an increased efficiency.

研究の動機と目的

• 論理プログラミングにおける確率的推論と階層的知識表現を統合する課題に取り組む。
• 継承とオーバーライドを用いて、不確実性下での条件付き制約に関する形式的意味論を構築する。
• 階層構造を持つ確率的知識ベースにおいて、整合的で効率的な推論を保証する。
• 計算効率を向上させるためのアルゴリズム的支援とプログラム変換を提供する。

提案手法

• 古典的論理的含意を、確率的デフォルト推論を統合した継承とオーバーライドを用いて拡張する。
• 最近の確率的デフォルト推論のアプローチを用いて、条件付き制約のための新しい含意関係を定義する。
• 階層的継承とオーバーライド規則を尊重する条件付き確率制約に基づく意味論を導入する。
• 知識ベースの構造を活用して計算のオーバーヘッドを低減するための確率的推論アルゴリズムを採用する。
• 論理プログラムを再構造して実行性能を向上させるためのプログラム変換を適用する。
• 整合性と一貫性を保証する形式的モデルに基づいてフレームワークを構築する。

実験結果

リサーチクエスチョン

• RQ1 条件付き制約が存在する状況下で、確率論的論理プログラミングをどのように継承とオーバーライドをサポートするように拡張できるか。
• RQ2 確率的推論下での新しい含意関係がどのような意味的性質を持つのか。
• RQ3 階層的構造を持つ確率論的論理プログラミングでどのように効率的推論を達成できるか。
• RQ4 継承下での確率的推論のパフォーマンスを向上させるためにどのようなプログラム変換が有効か。
• RQ5 提案されたフレームワークは、継承された確率的事実と特定の確率的事実の間に発生する矛盾をどのように処理するか。

主な発見

• 提案された含意関係は、継承とオーバーライドを伴う確率的推論に対して整合的で意味論的に妥当なアプローチを提供する。
• フレームワークは、階層の異なるレベルに存在する矛盾する確率的事実が存在しても、整合的な推論をサポートする。
• 知識ベースの構造を活用して計算のオーバーヘッドを低減する効率的アルゴリズムが開発された。
• 実際の応用において、プログラム変換が確率的推論のパフォーマンスを顕著に向上させることを示した。
• 古典論理に整合性を保ちつつ、不確実性と継承を扱えるように拡張された。
• 最適化された推論メカニズムにより、階層的確率的知識ベースにおけるスケーラブルな推論が可能になった。