[论文解读] Exploiting Answer Set Programming with External Sources for Meta-Interpretive Learning

Tobias Kaminski, Thomas Eiter+1 more|arXiv (Cornell University)|Apr 30, 2018

Logic, Reasoning, and Knowledge参考文献 18被引用 13

一句话总结

本文提出了一种新颖的 HEX-ASP 编码用于元解释学习（MIL），通过整合外部源来管理背景知识并减少基础化开销。通过交错执行对象层与元层推导，并抽象处理术语操作，该方法有效限制了搜索空间，实现了可扩展的、声明式的 MIL 并引入过程性偏差，相较于标准 ASP 和基于 Prolog 的方法在基准问题上表现更优。

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.

研究动机与目标

• 为解决标准 ASP 编码在 MIL 中的可扩展性限制，特别是由基础化瓶颈和无引导搜索导致的问题。
• 通过外部源集成，实现对涉及字符串和列表等结构化术语的复杂背景知识的高效处理。
• 通过交错执行对象层与元层推导，在 ASP 中引入过程性偏差，减少无关规则实例化。
• 通过术语抽象和外部计算推导序列，减轻基础化开销。
• 提供一种灵活、模块化且可扩展的 MIL 框架，支持谓词发明和递归程序学习。

提出的方法

• 将 MIL 问题编码于 HEX 形式，该形式通过双向外部原子扩展 ASP，以实现与外部计算源的接口交互。
• 引入两级推导策略：基于背景知识的对象层推导，以及由部分假设引导的元层规则实例化。
• 通过在专用编码中使用前向链约束，仅将术语导入限制在现有推导相关的范围内，从而限制基础化过程。
• 通过外部计算推导序列来抽象对象层术语，并利用外部约束检查负例的不可推导性。
• 利用 HEX 接口避免完全基础化，推迟术语生成，并支持从外部源进行值发明。
• 采用迭代加深结合弱约束实现假设最小化，同时确保终止性并避免无限循环。

实验结果

研究问题

• RQ1 能否在 HEX-ASP 中利用外部源通过推迟术语生成来减少 MIL 中的基础化瓶颈？
• RQ2 如何在 ASP 中有效编码过程性偏差，以引导元规则实例化并减少搜索空间？
• RQ3 通过外部计算实现的术语抽象是否能在不牺牲正确性的前提下提升基于 ASP 的 MIL 可扩展性？
• RQ4 所提出的 HEX-ASP 方法在真实世界 MIL 基准测试中的性能与基于 Prolog 的 Metagol 和标准 ASP 编码相比如何？
• RQ5 该方法在保持效率和正确性的前提下，能在多大程度上支持递归程序和谓词发明？

主要发现

• 结合外部源的 HEX-ASP 编码通过仅导入与现有推导相关的常量，显著减少了基础化开销。
• 交错执行对象层与元层推导的策略有效限制了搜索空间，防止对无关规则实例化的无引导探索。
• 通过外部计算推导序列实现的抽象技术使系统能够避免完全基础化，从而可扩展至更大规模问题。
• 实验评估表明，该方法优于标准 ASP 编码，并在已知基准上实现了与基于 Prolog 的 Metagol 相当的性能。
• 该方法支持递归程序和谓词发明的学习，即使在背景知识复杂的情况下，所得解也紧凑且正确。
• 将背景知识导入延迟至有限长度的链路中，在某些情况下带来了显著的速度提升，尽管解的最小性无法保证。