[论文解读] Distributing Knowledge into Simple Bases

Adrian Haret, Jean-Guy Mailly+1 more|arXiv (Cornell University)|Mar 31, 2016

Logic, Reasoning, and Knowledge参考文献 16被引用 3

一句话总结

本文提出了知识可分布性的概念，即任意知识库被分解为更简单的片段（例如，1CNF、2CNF、Horn）后，通过特定合并算子可重建原始知识。关键发现是，基于极端距离的合并可实现所有片段的完全可分布性，而基于汉明距离的算子则根据片段和聚合函数表现出不同的能力，其中2CNF和Horn在特定算子下可实现非平凡的分布。

ABSTRACT

Understanding the behavior of belief change operators for fragments of classical logic has received increasing interest over the last years. Results in this direction are mainly concerned with adapting representation theorems. However, fragment-driven belief change also leads to novel research questions. In this paper we propose the concept of belief distribution, which can be understood as the reverse task of merging. More specifically, we are interested in the following question: given an arbitrary knowledge base $K$ and some merging operator $Δ$, can we find a profile $E$ and a constraint $μ$, both from a given fragment of classical logic, such that $Δ_μ(E)$ yields a result equivalent to $K$? In other words, we are interested in seeing if $K$ can be distributed into knowledge bases of simpler structure, such that the task of merging allows for a reconstruction of the original knowledge. Our initial results show that merging based on drastic distance allows for an easy distribution of knowledge, while the power of distribution for operators based on Hamming distance relies heavily on the fragment of choice.

研究动机与目标

• 调查任意知识库是否可被分解为更简单的逻辑片段，使得通过合并可重构原始知识。
• 分析基于极端距离和汉明距离的不同信念合并算子在从受限片段中的资料集重构任意知识方面的有效性。
• 探讨知识分布的理论与实际影响，包括在有限逻辑系统中的信息隐藏与存储约束。
• 在不同合并算子下，对1CNF、2CNF和Horn等片段的可分布性与可简化性进行边界刻画。

提出的方法

• 提出一个形式化的知识可分布性框架，其中知识库K通过合并算子Δμ从资料集E和完整性约束μ重构。
• 采用IC-合并方法，结合完整性约束，并通过模型等价性（Δμ(E) ≡ K）评估重构效果。
• 应用基于极端距离（ΔD）和汉明距离（ΔH）的合并算子，结合三种聚合函数：Σ、GMax、GMin。
• 采用模型论分析，比较解释之间的距离与知识库模型之间的距离，确保在所选距离度量下变化最小。
• 构建目标片段（如Horn可表达的知识库）的知识资料集实例，以证明特定情况下的重构。
• 基于模型结构（如成对不可比性、子集关系）分析案例，以证明可分布性或其局限性。

实验结果

研究问题

• RQ1 任何任意知识库是否都能被分布到一组更简单的逻辑片段中，使得合并后可重构原始知识？
• RQ2 合并算子的选择——特别是基于极端距离或汉明距离——如何影响知识在不同片段间的可分布性？
• RQ3 在不同合并算子下，哪些片段（1CNF、2CNF、Horn）可实现完全可分布性，哪些仅能实现部分或平凡情况？
• RQ4 能否使用特定合并算子将知识简化（即分布到单个更简单的知识库）？
• RQ5 聚合函数（Σ、GMax、GMin）在决定合并算子对知识分布能力方面起什么作用？

主要发现

• 基于极端距离的合并（ΔD）可实现任意知识库在所有片段（包括1CNF、2CNF和Horn）中的知识可分布性。
• 对于基于汉明距离与Σ聚合的合并（ΔH,Σ），仅在2CNF和Horn片段中可实现完全可分布性，而1CNF中不可行。
• 在ΔH,GMax和ΔH,GMin下，2CNF片段可实现可分布性，但1CNF不可行，Horn片段则受限，无法实现完全覆盖。
• 在ΔD下，1CNF和2CNF中仅能实现平凡情况的简化（即分布到单个知识库），但一般情况下不可行。
• 对于2CNF，通过适当的合并算子，任意知识库既可被分布也可被简化，表明其具有高度表达能力。
• 结果表明，合并算子的行为因距离度量和聚合函数而异，无法进行统一分类。