[논문 리뷰] Unfolding Partiality and Disjunctions in Stable Model Semantics

Tomi Janhunen, Ilkka Niemelä외 3명|ArXiv.org|2003. 03. 14.

Semantic Web and Ontologies인용 수 47

한 줄 요약

이 논문은 기존의 정규(논리합 없음) 프로그램을 위한 안정 모델 해소기(스테이블 모델 솔버)를 핵심 엔진으로 사용하여 부분적이고 분리된 안정 모델을 구현하기 위한 이단계 변환 방법을 제안한다. 첫 번째로, 선형적이고 모듈화된 프로그램 변환을 통해 부분적 안정 모델을 총 안정 모델로 전개한다; 두 번째로, 생성-검증 접근법을 사용하여 분리된 안정 모델 계산을 정규 프로그램 해소로 환원한다. 이 방법은 smodels와 같은 최적화된 엔진을 활용하여 분리 및 부분 안정 모델에 대해 효율적인 추론을 가능하게 하며, dlv와 같은 최첨단 시스템과 경쟁 가능한 성능을 보인다.

ABSTRACT

The paper studies an implementation methodology for partial and disjunctive stable models where partiality and disjunctions are unfolded from a logic program so that an implementation of stable models for normal (disjunction-free) programs can be used as the core inference engine. The unfolding is done in two separate steps. Firstly, it is shown that partial stable models can be captured by total stable models using a simple linear and modular program transformation. Hence, reasoning tasks concerning partial stable models can be solved using an implementation of total stable models. Disjunctive partial stable models have been lacking implementations which now become available as the translation handles also the disjunctive case. Secondly, it is shown how total stable models of disjunctive programs can be determined by computing stable models for normal programs. Hence, an implementation of stable models of normal programs can be used as a core engine for implementing disjunctive programs. The feasibility of the approach is demonstrated by constructing a system for computing stable models of disjunctive programs using the smodels system as the core engine. The performance of the resulting system is compared to that of dlv which is a state-of-the-art special purpose system for disjunctive programs.

연구 동기 및 목표

• 정규 프로그램을 위한 안정 모델 의미 이론의 기존 구현을 활용하여 부분적이고 분리된 안정 모델의 효율적 계산을 가능하게 하기 위해.
• 이론적으로 중요한 부분적이고 분리된 안정 모델에 대해 효율적인 구현이 부족한 문제를 해결하기 위해.
• 디버깅 및 분석을 위한 프로그램 직관을 유지하면서도 모듈성, 효율성, 구조 보존을 동시에 확보하는 번역 방법을 개발하기 위해.
• smodels를 핵심 엔진으로 사용하여 이론적 타당성과 성능을 검증하고, dlv와의 비교를 통해 성능를 평가하기 위해.

제안 방법

• 첫 번째로, 선형적이고 모듈화된 프로그램 변환을 통해 부분적 안정 모델을 총 안정 모델로 매핑함으로써, 총 모델 해소기를 사용한 부분성 추론이 가능해진다.
• 두 번째로, 생성-검증 접근법을 통해 분리된 프로그램의 총 안정 모델을 정규 프로그램으로 환원하여 핵심 엔진의 효율성을 활용한다.
• 이 변환은 모듈성과 구조를 유지하므로, 프로그램 컴ponent의 독립적 컴파일과 더 쉬운 디버깅을 가능하게 한다.
• 질의 번역을 사용하여 부분 모델에 대한 질의 응답을 지원함으로써, 총 모델 엔진의 유용성을 확장한다.
• lparse 및 smodels와 통합된 구현은 최소한의 코드 수정으로 분리 및 부분 논리 프로그램을 처리할 수 있도록 확장된다.
• 성능 평가에서는 합성 QBF 인스턴스와 계획 문제를 사용하여 확장된 시스템(GnT2)을 dlv 및 smodels와 비교한다.

실험 결과

연구 질문

• RQ1 선형적이고 단순한 프로그램 변환을 통해 총 안정 모델 해소기를 사용하여 부분적 안정 모델을 효과적으로 포괄할 수 있는가?
• RQ2 효율적이고 모듈화된 방법을 통해 분리된 안정 모델 계산을 정규 프로그램의 안정 모델 계산으로 환원할 수 있는가?
• RQ3 결과로 도출된 시스템은 dlv와 같은 최첨단 시스템과 경쟁 가능한 성능을 보이는가?
• RQ4 번역 과정에서 프로그램의 구조는 어느 정도 유지되며, 디버깅 및 질의 응답 지원에 얼마나 잘 기여하는가?

주요 결과

• 부분 모델을 위한 제안된 변환은 다항 시간 환원을 달성하며, 정확성과 모듈성 모두를 유지하여 총 모델 해소기를 부분 추론에 활용할 수 있도록 한다.
• QBF 변환 시, 생성-검증 접근법을 통해 분리된 프로그램의 검색 공간을 O(2^v)에서 O(2^√(v/2))로 줄여 성능 확장성을 크게 향상시킨다.
• 확장된 시스템(GnT2)은 이전에 보고된 유사 도구들보다 더 큰 QBF 인스턴스를 해결했으며, 최대 3500개의 변수까지 처리하여 성능 향상을 입증했다.
• 계획 문제에서는 GnT2가 정규 프로그램에 대해 smodels보다 2~4배 느렸지만, 분리 추론의 추가 복잡성 고려 시에도 여전히 경쟁 가능한 성능를 보였다.
• 대규모 QBF 인스턴스에서 GnT2의 성능는 dlv보다 더 안정적이었으며, 문제 크기가 증가함에 따라 dlv의 성능 저하가 더 빠르게 나타났다.
• 이 방법은 효율적인 정규 프로그램 해소기를 분리 및 부분 안정 모델 계산의 핵심 엔진으로 사용할 수 있도록 성공적으로 가능하게 하여, 이론의 타당성과 효율성을 검증했다.