[논문 리뷰] Dynamic Magic Sets for Super-Consistent Answer Set Programs

Mario Alviano, Wolfgang Faber|arXiv (Cornell University)|2010. 11. 19.

Logic, Reasoning, and Knowledge참고 문헌 11인용 수 4

한 줄 요약

이 논문은 동적 마법 집합(DMS)을 초일관성 있는 답변 집합 프로그램(ASP$^\text{sc}$)으로 확장하여, 브레이브 및 캐주얼 추론 모두에 대해 정당화된 정확성을 입증한다. 이 방법은 비결정적 모델 생성 단계 동안 마법 원소를 활용해 탐색 공간을 동적으로 잘라내며, 다양한 답변 집합에 맞게 적응하는 방식으로, 특히 유전자 추론과 같은 복잡한 ASP 워크로드에서 실질적으로 지수적 성능 향상을 이룬다.

ABSTRACT

For many practical applications of ASP, for instance data integration or planning, query answering is important, and therefore query optimization techniques for ASP are of great interest. Magic Sets are one of these techniques, originally defined for Datalog queries (ASP without disjunction and negation). Dynamic Magic Sets (DMS) are an extension of this technique, which has been proved to be sound and complete for query answering over ASP programs with stratified negation. A distinguishing feature of DMS is that the optimization can be exploited also during the nondeterministic phase of ASP engines. In particular, after some assumptions have been made during the computation, parts of the program may become irrelevant to a query under these assumptions. This allows for dynamic pruning of the search space, which may result in exponential performance gains. In this paper, the correctness of DMS is formally established and proved for brave and cautious reasoning over the class of super-consistent ASP programs (ASP^{sc} programs). ASP^{sc} programs guarantee consistency (i.e., have answer sets) when an arbitrary set of facts is added to them. This result generalizes the applicability of DMS, since the class of ASP^{sc} programs is richer than ASP programs with stratified negation, and in particular includes all odd-cycle-free programs. DMS has been implemented as an extension of DLV, and the effectiveness of DMS for ASP^{sc} programs is empirically confirmed by experimental results with this system.

연구 동기 및 목표

• 동적 마법 집합(DMS) 기법을 계층적 부정을 가진 프로그램을 초월한 더 넓은 답변 집합 프로그램 클래스로 확장하는 것.
• 초일관성 있는 ASP 프로그램(ASP$^\text{sc}$)에 대해 DMS의 정당성과 정확성을 브레이브 및 캐주얼 추론 모두에 대해 공식적으로 증명하는 것.
• DLV 시스템 내부에 DMS를 구현하고 평가하여 실제 ASP 응용 프로그램에서 투명성과 성능 향상을 확보하는 것.
• DMS가 모델 탐색 단계 동안 비결정적 관련성 정보를 활용하여 불필요한 프로그램 부분을 동적으로 잘라내는 방식으로 작동할 수 있음을 보여주는 것.
• 초일관성 프로그램—모든 홀주기 없는 프로그램과 계층적 프로그램을 포함—은 그들의 구조적 일관성 특성 덕분에 일반적인 일관성 프로그램보다 더 단순하고 정확한 DMS 전략을 허용한다는 것을 보여주는 것.

제안 방법

• 논문은 각 쿼리 원소에 대해 마법 원소를 생성하는 변환을 도입하여, 모델 탐색 과정에서 내림받은 가정에 따라 기저 프로그램을 동적으로 제한한다.
• 마법 집합은 비결정적으로 정의되어, 서로 다른 답변 집합에서 그 확장이 다를 수 있도록 하여, 각 모델 별 관련성 추적을 가능하게 한다.
• 변환은 원본 프로그램과 변환된 프로그램 간의 쿼리 동치성을 보장함으로써, 각 답변 집합에 포함되는 원소가 쿼리와 관련된 원소들만 유지됨을 증명한다.
• DLV 시스템에 이 변환을 통합하기 위해 기저화 및 모델 생성 모듈를 수정하여, 표준 실행 흐름을 유지하면서도 동적 잘라내기를 가능하게 한다.
• 이 방법은 마법 집합과 불확실 집합 간의 관계를 활용한다: 관련 있는 원소는 참이거나 불확실 집합에 속하며, 이는 관련 없는 부분의 안전한 잘라내기를 가능하게 한다.
• 구현은 DLV의 내부 데이터 구조를 활용하여 마법 집합을 투명하게 통합하며, 명시적으로 요청되지 않는 한 마법 집합을 출력에서 생략하는 선택적 출력 필터링을 사용한다.

실험 결과

연구 질문

• RQ1 동적 마법 집합(DMS) 기법이 초일관성 있는 ASP 프로그램(ASP$^\text{sc}$)으로 공식적으로 확장되고, 그 정확성이 입증될 수 있는가? 이는 계층적 부정을 일반화한 것이다.
• RQ2 DMS는 ASP 시스템에서 비결정적 모델 생성 단계 동안 탐색 공간을 어떻게 동적으로 잘라내는가?
• RQ3 DLV 시스템에 DMS를 통합함으로써 초일관성 있는 ASP$^\text{sc}$ 프로그램에 대해 어떤 성능 향상을 달성할 수 있는가?
• RQ4 왜 초일관성 프로그램은 일반적인 일관성 프로그램보다 더 단순하고 정확한 DMS 전략을 허용하는가?
• RQ5 DMS 변환은 브레이브 및 캐주얼 추론 모두에서 원본 프로그램과의 쿼리 동치성을 어느 정도 유지하는가?

주요 결과

• DMS 변환은 초일관성 있는 ASP$^\text{sc}$ 프로그램에 대해 브레이브 및 캐주얼 추론 모두에서 공식적으로 정확하고 쿼리 동치임을 입증하였다.
• DLV에 구현된 DMS는 모델 생성 단계에서 동적 잘라내기를 가능하게 하여 실질적으로 지수적 성능 향상을 이룬다.
• 유전자 추론 벤치마크에서의 실험 결과, 표준 DLV가 해결하지 못한 인스턴스들도 DMS가 해결했으며, 이는 동적 관련성 추적에 의한 탐색 공간의 지수적 감소 덕분이었다.
• 복잡한 순환적 의존성 구조를 가진 프로그램에서는 많은 경우에서 비최적화된 DLV 평가 방식보다 지수적 요소로 성능이 뛰어나다.
• 비결정적 선택과 비계층적 부정이 존재하더라도, 프로그램이 초일관성이면 이 방법은 여전히 효과적이다.
• 마법 집합과 불확실 집합 간의 관계를 공식화하여, 참이거나 불확실 집합에 속하는 원소들만 관련이 있음을 보여주며, 이는 안전한 잘라내기를 가능하게 한다.