[论文解读] CP-logic: A Language of Causal Probabilistic Events and Its Relation to Logic Programming

Joost Vennekens, Marc Denecker+1 more|ArXiv.org|Apr 10, 2009

Logic, Reasoning, and Knowledge参考文献 44被引用 4

一句话总结

本文提出了CP-逻辑，一种用于表示概率因果律的逻辑语言，为概率逻辑程序提供了语义上坚实且直观的解释。它通过概率树形式化因果动态，并证明了CP-逻辑语义与逻辑程序的稳态模型之间的等价性，为逻辑程序中的概率推理提供了原则性、模块化且可解释的基础。

ABSTRACT

This papers develops a logical language for representing probabilistic causal laws. Our interest in such a language is twofold. First, it can be motivated as a fundamental study of the representation of causal knowledge. Causality has an inherent dynamic aspect, which has been studied at the semantical level by Shafer in his framework of probability trees. In such a dynamic context, where the evolution of a domain over time is considered, the idea of a causal law as something which guides this evolution is quite natural. In our formalization, a set of probabilistic causal laws can be used to represent a class of probability trees in a concise, flexible and modular way. In this way, our work extends Shafer's by offering a convenient logical representation for his semantical objects. Second, this language also has relevance for the area of probabilistic logic programming. In particular, we prove that the formal semantics of a theory in our language can be equivalently defined as a probability distribution over the well-founded models of certain logic programs, rendering it formally quite similar to existing languages such as ICL or PRISM. Because we can motivate and explain our language in a completely self-contained way as a representation of probabilistic causal laws, this provides a new way of explaining the intuitions behind such probabilistic logic programs: we can say precisely which knowledge such a program expresses, in terms that are equally understandable by a non-logician. Moreover, we also obtain an additional piece of knowledge representation methodology for probabilistic logic programs, by showing how they can express probabilistic causal laws.

研究动机与目标

• 开发一种逻辑语言，以形式化方式表示概率因果律，使其语义直观且自洽。
• 通过将概率逻辑程序建立在因果动态和时间演化的基础上，提供一种清晰、非技术性的解释。
• 建立CP-逻辑语义与逻辑程序的稳态模型上概率分布之间的形式等价性。
• 通过提供因果概率事件的紧凑、模块化且逻辑化的表示，扩展沙弗的概率树框架。
• 通过将知识表达为具有概率效应的因果律，提出一种在逻辑程序中建模不确定性的全新方法。

提出的方法

• 本文将CP-逻辑定义为一种概率因果规则语言，其中每条规则指定一个可能影响原子真值的概率事件。
• 引入了‘分层CP-理论’的概念，其中时间函数λ尊重因果优先顺序，确保事件执行的时间一致性。
• 构建弱执行模型为概率Σ-过程，其中事件以尊重其分配时间的方式执行，确保无因果冲突。
• 引入事件时间函数κ，以细化执行顺序，确保在每一步仅选择启用规则中时间最小的规则。
• CP-理论的形式语义被定义为底层逻辑程序的稳态模型上的概率分布，使用递归概率传播机制。
• 本文证明了给定CP-理论的所有执行模型均产生相同概率分布，确立了语义不变性，并与逻辑程序语义等价。

实验结果

研究问题

• RQ1 如何以既直观又形式严谨的方式正式表示概率因果律？
• RQ2 CP-逻辑的语义与ICL或PRISM等现有概率逻辑编程语言有何关联？
• RQ3 能否证明CP-理论能生成一个与执行路径无关的、唯一可能世界上的概率分布？
• RQ4 哪些条件可确保概率事件的执行尊重因果优先顺序和时间排序？
• RQ5 在概率解释下，CP-逻辑语义与逻辑程序的稳态模型语义之间是否存在形式等价性？

主要发现

• CP-逻辑为概率因果律提供了既直观又数学严谨的形式语义，其基础是事件随时间执行的动态过程。
• 本文证明了CP-理论的所有执行模型均产生相同概率分布，确保了在不同执行顺序下语义的一致性与不变性。
• CP-理论的语义在形式上等价于相应逻辑程序的稳态模型上的概率分布，从而将其与既有的逻辑程序语义联系起来。
• 通过构造性证明了遵循给定分层结构的执行模型的存在性，表明每个分层CP-理论均存在有效的时序执行序列。
• 形式化确保了因果优先顺序的保持：时间更短的事件不能在执行前影响时间更长的原子，从而维持逻辑与因果一致性。
• 本文确立了CP-逻辑能够以紧凑、模块化且语义透明的规则集表示复杂的概率因果情景，例如约翰与玛丽掷石子的故事。