[논문 리뷰] Probabilistic Disjunctive Logic Programming

Liem Viet Ngo|arXiv (Cornell University)|2013. 02. 13.

Logic, Reasoning, and Knowledge참고 문헌 10인용 수 7

한 줄 요약

이 논문은 포울의 확률적 홉슨 추론을 이원 논리 프로그램에 통합하여 확률적 이원 논리 프로그래밍을 위한 프레임워크를 제안한다. 최소 모델과 동등성 원칙을 사용하여 기본 확률 분포를 유도함으로써, 설명 및 부분 설명 메커니즘을 통해 목표의 기본 확률 계산이 가능하게 하며, 계산을 위한 형식적 알고리즘이 제시된다.

ABSTRACT

In this paper we propose a framework for combining Disjunctive Logic Programming and Poole's Probabilistic Horn Abduction. We use the concept of hypothesis to specify the probability structure. We consider the case in which probabilistic information is not available. Instead of using probability intervals, we allow for the specification of the probabilities of disjunctions. Because minimal models are used as characteristic models in disjunctive logic programming, we apply the principle of indifference on the set of minimal models to derive default probability values. We define the concepts of explanation and partial explanation of a formula, and use them to determine the default probability distribution(s) induced by a program. An algorithm for calculating the default probability of a goal is presented.

연구 동기 및 목표

• 이원 논리 프로그래밍에 확률적 추론을 통합하기 위해 포울의 확률적 홉슨 추론을 이원성을 다룰 수 있도록 확장한다.
• 명시적인 확률 정보가 없을 경우 기본 확률을 할당하는 원칙적인 방법을 정의한다.
• 기본 확률 분포를 도출하기 위해 최소 모델의 집합을 기반으로 동등성 원칙을 적용한다.
• 논리 공식의 기본 확률를 결정하기 위한 설명 및 부분 설명 개념을 형식화한다.
• 주어진 목표의 기본 확률을 계산하기 위한 알고리즘을 제시한다.

제안 방법

• 이원 논리 프로그램에서 확률 공간을 구성하기 위해 가설을 사용한다.
• 기존 확률 분포가 없을 경우 최소 모델의 집합에 대해 동등성 원칙을 적용하여 기본 확률을 할당한다.
• 최소 모델 중에서 공식을 지지하는 모델를 식별하기 위해 공식의 설명 및 부분 설명을 정의한다.
• 공식 또는 그 부분 공식을 만족하는 최소 모델의 비율에 기반하여 기본 확률 분포를 유도한다.
• 설명 및 부분 설명을 분석하여 목표의 기본 확률을 계산하기 위해 재귀적 알고리즘을 활용한다.
• 확률적 의미 이론을 최소 모델 이론에 기반하여, 이원 논리 프로그램을 지식 표현 형식으로 사용한다.

실험 결과

연구 질문

• RQ1 기본 확률 분포가 없는 상황에서 확률적 추론을 이원 논리 프로그램에 체계적으로 확장하는 방법은 무엇인가?
• RQ2 확률적 데이터가 없을 경우 적절한 기본 확률 할당 메커니즘은 무엇인가?
• RQ3 이원 논리 프로그램의 최소 모델에 대해 동등성 원칙을 의미 있게 적용하는 방법은 무엇인가?
• RQ4 확률적 이원 논리 프로그램의 맥락에서 유효한 설명과 부분 설명은 무엇을 정의하는가?
• RQ5 프로그램의 구조와 최소 모델로부터 목표의 기본 확률을 알고리즘적으로 어떻게 계산할 수 있는가?

주요 결과

• 최소 모델과 동등성 원칙을 사용하여 이원 공식에 대한 기본 확률 할당에 coherent한 방법을 제공한다.
• 공식의 확률은 그 공식을 만족하는 최소 모델의 비율에 의해 결정되며, 이는 기본 추론 원칙과 일관성을 유지한다.
• 설명 및 부분 설명 메커니즘을 통해 복잡한 공식을 관리 가능한 구성 요소로 분해하여 확률 계산이 가능하다.
• 목표의 설명 구조에 기반하여 기본 확률을 계산하는 데 사용되는 형식적 알고리즘이 정의되고 증명되었다.
• 이 방법은 포울의 확률적 홉슨 추론을 이원 논리 프로그램으로 성공적으로 확장하여 더 풍부한 확률적 추론을 가능하게 한다.
• 명시적인 확률 간격이 없더라도 적용 가능하므로, 불확실성 하에서의 기본 추론에 적합하다.