[논문 리뷰] Exploiting Answer Set Programming with External Sources for Meta-Interpretive Learning

Tobias Kaminski, Thomas Eiter외 1명|arXiv (Cornell University)|2018. 04. 30.

Logic, Reasoning, and Knowledge참고 문헌 18인용 수 13

한 줄 요약

이 논문은 배경 지식을 관리하고 기반화 과정의 오버헤드를 줄이기 위해 외부 자료를 통합하는 새로운 HEX-ASP 인코딩을 제안한다. 객체 수준과 메타 수준 유도를 번갈아가며 수행하고 용어 다루기에서 추상화를 적용함으로써, 탐색 공간을 효율적으로 제한하고 가용성 있는 절차적 편향을 갖춘 탈적적이고 확장 가능한 MIL을 가능하게 하며, 표준 ASP 및 Prolog 기반 방법보다 벤치마크 문제에서 뛰어난 성능을 발휘한다.

ABSTRACT

Meta-Interpretive Learning (MIL) learns logic programs from examples by instantiating meta-rules, which is implemented by the Metagol system based on Prolog. Viewing MIL-problems as combinatorial search problems, they can alternatively be solved by employing Answer Set Programming (ASP), which may result in performance gains as a result of efficient conflict propagation. However, a straightforward ASP-encoding of MIL results in a huge search space due to a lack of procedural bias and the need for grounding. To address these challenging issues, we encode MIL in the HEX-formalism, which is an extension of ASP that allows us to outsource the background knowledge, and we restrict the search space to compensate for a procedural bias in ASP. This way, the import of constants from the background knowledge can for a given type of meta-rules be limited to relevant ones. Moreover, by abstracting from term manipulations in the encoding and by exploiting the HEX interface mechanism, the import of such constants can be entirely avoided in order to mitigate the grounding bottleneck. An experimental evaluation shows promising results.

연구 동기 및 목표

• 표준 ASP 인코딩의 확장성 한계, 특히 기반화 병목 현상과 무방향 탐색으로 인한 문제를 해결하기 위해.
• 문자열 및 리스트와 같은 구조화된 용어를 포함한 복잡한 배경 지식을 효과적으로 처리하기 위해 외부 자료 통합을 통해.
• 객체 수준과 메타 수준 유도를 번갈아가며 적용함으로써 ASP에 절차적 편향을 도입하여 관련 없는 규칙 인스턴스화를 줄이기 위해.
• 용어 추상화와 파생 순서의 외부 계산을 통해 기반화 오버헤드를 완화하기 위해.
• 예측 가능성과 확장성을 갖춘 모듈식이고 확장 가능한 MIL 프레임워크를 제공하여, 예측자 생성과 재귀 프로그램 학습을 지원하기 위해.

제안 방법

• 외부 계산 자료소스와의 인터페이스를 위해 双방향 외부 원소를 제공하는 HEX 체계에 MIL 문제를 인코딩하는 방식.
• 두 수준의 유도 전략 도입: 배경 지식에서 유도되는 객체 수준의 유도와 부분 가설에 의해 안내되는 메타 수준의 규칙 인스턴스화.
• 특수 인코딩에서 전진 연쇄 제약 조건을 사용하여 기존 유도에 관련된 용어 외에는 상수 유입을 제한함으로써 기반화를 제한.
• 외부 제약 조건을 통해 양성 예제의 파생 순서를 외부에서 계산하고, 음성 예제의 비유도성을 검사함으로써 객체 수준 용어에서 추상화를 수행.
• HEX 인터페이스를 활용하여 전체 기반화를 회피하고 용어 생성을 연기하며, 외부 자료소스로부터 값 생성을 가능하게 함.
• 반복적 깊이 탐색과 약한 제약 조건을 사용하여 가설 최소화를 수행하면서 종료 보장과 무한 루프 방지를 확보.

실험 결과

연구 질문

• RQ1 HEX-ASP에서 외부 자료를 사용하여 용어 생성을 연기함으로써 MIL에서의 기반화 병목 현상을 줄일 수 있는가?
• RQ2 ASP에 절차적 편향을 효과적으로 인코딩하여 메타 규칙 인스턴스화를 안내하고 탐색 공간을 줄일 수 있는가?
• RQ3 외부 계산을 통한 용어 추상화가 정확성을 유지하면서도 ASP 기반 MIL의 확장성 향상에 기여하는가?
• RQ4 제안된 HEX-ASP 접근 방식은 실제 세계의 MIL 벤치마크에서 Prolog 기반 Metagol 및 표준 ASP 인코딩보다 성능이 뛰어나게 되는가?
• RQ5 이 방법은 효율성과 정확성을 유지하면서 재귀적이고 예측자 생성 프로그램을 얼마나 잘 지원하는가?

주요 결과

• 외부 자료를 통한 HEX-ASP 인코딩은 기존 유도에 관련된 용어 외에는 상수 유입을 제한함으로써 기반화 오버헤드를 크게 줄였다.
• 객체 수준과 메타 수준의 유도를 번갈아가며 수행하는 전략은 탐색 공간을 효과적으로 제한하여 관련 없는 규칙 인스턴스화 탐색을 방지한다.
• 외부 계산을 통한 파생 순서 계산을 통해 용어 추상화를 구현함으로써 전체 기반화를 피하고 더 큰 문제에까지 확장 가능하게 되었다.
• 실험적 평가 결과, 표준 ASP 인코딩보다 뛰어난 성능을 보였으며, 알려진 벤치마크에서 Prolog 기반 Metagol과 경쟁 가능한 성능을 달성했다.
• 이 방법은 재귀 프로그램 학습과 예측자 생성을 지원하며, 배경 지식이 방대할 경우에도 간결하고 정확한 해결책을 도출할 수 있었다.
• 배경 지식 유입을 제한된 길이의 체인으로 연기한 결과 일부 경우에서 뚜렷한 속도 향상을 보였지만, 해답의 최소성은 보장되지 않았다.