[논문 리뷰] DLV - A System for Declarative Problem Solving

Thomas Eiter, Wolfgang Faber외 3명|ArXiv.org|2000. 03. 08.

Logic, Reasoning, and Knowledge참고 문헌 15인용 수 86

한 줄 요약

DLV는 강한 부정과 기본 부정, 무결성 제약 조건, 산술 내장 함수를 지원하는 비결정적 딜로깅에 대한 답변 집합 의미론을 구현한 명시적 문제 해결 시스템이다. 다양한 프론트엔드를 통해 진단, 계획 수립, 추론 데이터베이스 등 복잡한 지식 표현 작업을 효율적으로 처리하며, 대규모 문제(예: 100만 개의 리터럴)에 대해서도 성능이 잘 유지되고 최적화 후 하드 벤치마크에서 1초 이내 실행 시간을 기록한다.

ABSTRACT

DLV is an efficient logic programming and non-monotonic reasoning (LPNMR) system with advanced knowledge representation mechanisms and interfaces to classic relational database systems. Its core language is disjunctive datalog (function-free disjunctive logic programming) under the Answer Set Semantics with integrity constraints, both default and strong (or explicit) negation, and queries. Integer arithmetics and various built-in predicates are also supported. In addition DLV has several frontends, namely brave and cautious reasoning, abductive diagnosis, consistency-based diagnosis, a subset of SQL3, planning with action languages, and logic programming with inheritance.

연구 동기 및 목표

• 답변 집합 의미론 하에 비모노토닉 추론과 논리 프로그래밍을 위한 실용적이고 효율적인 시스템을 구현하기 위해.
• 비결정적 규칙, 강한 부정과 기본 부정, 무결성 제약 조건, 산술 내장 함수와 같은 고급 지식 표현 기능을 지원하기 위해.
• 진단, 계획 수립, SQL3 통합과 같은 응용 분야에 특화된 사용자 友好的 프론트엔드를 제공하기 위해.
• 대규모 지식 기반에서의 확장 가능한 추론을 가능하게 하여 실세계 응용에의 실현 가능성을 입증하기 위해.
• AI 및 데이터베이스 시스템에 논리 기반 추론을 통합하기 위한 기초 엔진으로 기능하기 위해.

제안 방법

• 시스템은 함수가 없는 항목을 포함한 비결정적 딜로깅의 커널 언어를 기반으로 하며, 양성 및 부정 리터럴, 기본 부정('not'을 통해) 및 강한 부정을 지원한다.
• 답변 집합 의미론은 Gelfond-Lifschitz 재구성 기반으로 구현되며, X가 P^X의 최소 모델이면 X는 답변 집합이 된다. 여기서 P^X는 부정적 몸체가 X와 교차하는 규칙들을 제거한 재구성된 규칙 집합이다.
• 규칙의 지상 인스턴스에 기반한 계산을 통해 허브란드 기반에서 답변 집합을 계산함으로써 의미론에 따라 완전성과 정확성을 보장한다.
• 프론트엔드는 핵심 시스템을 확장하여 특수한 추론 모드를 제공한다: 뚜렷한/보수적인 추론, 추론 기반 및 일관성 기반 진단, SQL3 하위집합, 동작 언어 기반 계획 수립, 상속 기반 논리 프로그래밍.
• 이식성을 확보하기 위해 표준 GNU 도구(GCC, flex, bison)를 사용하며, 다양한 유닉스 유사 플랫폼에서 지원하고 여러 바이너리 배포판을 제공한다.
• 최적화된 알고리즘과 히ュ리스틱을 통해 성능을 향상시키며, 하드 벤치마크에서 시간이 지남에 따라 실행 시간이 크게 향상되었다.

실험 결과

연구 질문

• RQ1 강한 부정과 기본 부정, 제약 조건을 지원하는 완전한 답변 집합 의미론을 갖춘 실용적 시스템을 구축할 수 있는가?
• RQ2 이러한 시스템이 진단 및 계획 수립과 같은 복잡한 실세계 추론 문제를 얼마나 효율적으로 처리할 수 있는가?
• RQ3 수백만 개의 규칙과 리터럴을 포함한 대규모 지식 기반에 대해 시스템이 얼마나 잘 확장되는가?
• RQ4 이 시스템이 추론 데이터베이스 및 AI 응용 프로그램의 백엔드 엔진으로 효과적으로 사용될 수 있는가?
• RQ5 알고리즘적 및 히ュ리스틱 최적화를 통해 달성 가능한 성능 향상 수준은 어느 정도인가?

주요 결과

• DLV는 강한 부정과 기본 부정, 무결성 제약 조건, 산술 내장 함수를 포함한 완전한 비결정적 딜로깅에 대한 답변 집합 의미론을 성공적으로 구현하였다.
• 시스템은 최대 100만 개의 리터럴과 100만 개의 규칙을 처리할 수 있으며, 대규모 지식 기반에서의 확장성을 입증하였다.
• 3COL 및 STRATCOMP와 같은 하드 벤치마크의 실행 시간이 1년 내로 1000초 이상에서 1초 이내로 감소하여 뚜렷한 성능 향상을 보였다.
• 1999년 말 기준으로 HPATH 문제는 0.3초, PRIME 문제는 0.8초 내에 해결되어 NP 및 Σ₂ᴾ-난이도 문제에 대해 높은 효율성을 보였다.
• 유사한 벤치마크에서 다른 시스템보다 성능가 뛰어나며, CERN에서 대규모 추론 데이터베이스 워크로드에 대해 평가 중이다.
• 다양한 프론트엔드를 갖춘 모듈러한 아키텍처 덕분에 사용자는 논리 프로그래밍 문법에 깊이 몰입하지 않아도 도메인 특화 문제를 해결할 수 있다.