[논문 리뷰] An Environment for the Exploration of Non Monotonic Logic Programs

Luis Fernando Castro Rojas, David S. Warren|ArXiv.org|2001. 11. 19.

Logic, Reasoning, and Knowledge참고 문헌 9인용 수 10

한 줄 요약

이 논문은 비단조화 논리 프로그램 탐색을 가능하게 하는 상호작용형 시스템인 XNMR를 제안한다. XNMR는 Well-Founded Semantics를 위한 XSB와 Stable Model Semantics를 위한 SMODELS를 통합하여, 두 의미론을 통합된 프레임워크 안에서 유연하게 추론할 수 있는 환경을 제공한다. 목표 지향 계산과 완전한 안정 모델 열거를 결합함으로써, XNMR는 디버깅, 모듈화된 지식 기반 분석, 동적 프로그램 생성을 지원하며, 둘 다를 동시에 다룰 수 있는 탄력적인 환경을 제공한다.

ABSTRACT

Stable Model Semantics and Well Founded Semantics have been shown to be very useful in several applications of non-monotonic reasoning. However, Stable Models presents a high computational complexity, whereas Well Founded Semantics is easy to compute and provides an approximation of Stable Models. Efficient engines exist for both semantics of logic programs. This work presents a computational integration of two of such systems, namely XSB and SMODELS. The resulting system is called XNMR, and provides an interactive system for the exploration of both semantics. Aspects such as modularity can be exploited in order to ease debugging of large knowledge bases with the usual Prolog debugging techniques and an interactive environment. Besides, the use of a full Prolog system as a front-end to a Stable Models engine augments the language usually accepted by such systems.

연구 동기 및 목표

• Well-Founded Semantics와 Stable Model Semantics를 모두 적용한 비단조화 논리 프로그램 탐색을 위한 상호작용형 환경을 제공하는 것.
• Prolog 스타일의 디버깅 기법을 활용한 모듈화되고 점진적인 분석을 통해 대규모 지식 기반의 디버깅 문제를 해결하는 것.
• Well-Founded Semantics의 효율성과 Stable Model Semantics의 표현력을 하나의 시스템에서 결합하는 것.
• 제약이 없는 변수와 메타프로그래밍 기능을 통해 무한하거나 복잡한 모델의 동적 프로그램 생성 및 탐색을 지원하는 것.

제안 방법

• XNMR는 XSB의 테이블 기반 Well-Founded Semantics 엔진과 SMODELS의 안정 모델 계산 엔진을 통합한다.
• 질의에 해당하는 관련 클로즈를 추출하는 잔여 프로그램 추출 메커니즘을 사용하여, 타겟 의미론 계산을 가능하게 한다.
• 부분 안정 모델과 고정점 의미론을 정의하기 위해 Quotient 연산자와 ΦP 연산자를 사용한다.
• init_smodels/1, a_stable_model/0, in_current_stable_model/1와 같은 제어 문구를 노출하는 API를 통해 프로그래밍적 상호작용을 지원한다.
• 시스템 아키텍처는 모듈성을 지원하여 사용자가 큰 프로그램의 하위 구성 요소를 독립적으로 탐색할 수 있도록 한다.
• SMODELS 평가를 위한 기저 프로그램을 변수 기반 질의로부터 구성함으로써 동적 프로그램 생성을 가능하게 한다.

실험 결과

연구 질문

• RQ1 어떻게 Well-Founded Semantics와 Stable Model Semantics를 하나의 상호작용형 환경에 효과적으로 통합할 수 있는가?
• RQ2 XNMR는 모듈화되고 점진적인 분석을 통해 대규모 지식 기반의 디버깅을 어느 정도 지원할 수 있는가?
• RQ3 목표 지향 계산(XSB)과 전역 모델 열거(SMODELS)를 결합할 때 XNMR의 의미론적 보장 조건은 무엇인가?
• RQ4 XNMR는 Stable Model Semantics 하에서 기저 프로그램을 생성하고 평가하기 위한 메타프로그래밍 환경으로 기능할 수 있는가?
• RQ5 XSB에서 제약이 없는 변수를 사용하면 어떻게 하여 무한하거나 복잡한 모델의 탐색이 향상되는가?

주요 결과

• XNMR는 XSB와 SMODELS를 하나의 상호작용형 시스템으로 성공적으로 통합하여 Well-Founded Semantics와 Stable Model Semantics 둘 다 탐색할 수 있도록 했다.
• 시스템은 모듈성과 Prolog 스타일의 디버깅 기법을 활용하여 대규모 지식 기반의 디버깅을 가능하게 했다.
• 호출 일관성 있는 프로그램의 경우, XNMR는 원래 프로그램의 정확한 안정 모델을 계산하여 의미론적 정확성을 보장한다.
• 비호출 일관성 있는 프로그램의 경우에도, 실용적으로 유용한 부분 안정 모델의 클래스를 계산한다.
• XSB에서 제약이 없는 변수의 사용은 무한하거나 복잡한 모델의 동적 프로그램 생성 및 상호작용 탐색을 가능하게 한다.
• XNMR의 API는 안정 모델에 프로그래밍적 접근을 가능하게 하여, 더 큰 애플리케이션과 메타프로그래밍 워크플로우에의 통합을 지원한다.