[论文解读] Extending Consequence-Based Reasoning to SRIQ
本文提出了一种用于表达性描述逻辑 𝒮RIQ 的新型基于后果的演算,将先前基于后果的推理研究扩展至支持析取和计数量词——这些特性在以往的工作中均未被支持。通过将后果编码为一阶子句,并使用有序归结的变体进行等式推理,该方法实现了最坏情况下的最优性,并在初步评估中表现出色,优于 FaCT++ 和 Pellet 等主流推理器。
Consequence-based calculi are a family of reasoning algorithms for description logics (DLs), and they combine hypertableau and resolution in a way that often achieves excellent performance in practice. Up to now, however, they were proposed for either Horn DLs (which do not support disjunction), or for DLs without counting quantifiers. In this paper we present a novel consequence-based calculus for SRIQ---a rich DL that supports both features. This extension is non-trivial since the intermediate consequences that need to be derived during reasoning cannot be captured using DLs themselves. The results of our preliminary performance evaluation suggest the feasibility of our approach in practice.
研究动机与目标
- 将基于后果的推理扩展至 𝒮RIQ,这是一种支持析取和计数量词的丰富描述逻辑,而此前的演算无法处理这些特性。
- 解决由于析取和等式推理引入的复杂性,导致中间后果无法在描述逻辑本身中被捕捉的问题。
- 在保持高实际性能的同时确保最坏情况下的最优性,尤其针对“大部分为 ELH”的本体。
- 将一阶定理证明中的先进等式推理技术整合到基于后果的描述逻辑推理中。
提出的方法
- 将 𝒮RIQ 的公理和后果编码为特定形式的一阶子句,以支持与标准定理证明技术的集成。
- 使用有序归结的变体处理等式推理,这对于管理计数量词和角色链至关重要。
- 设计模仿现有基于后果的 ELH 本体演算的推理规则,确保向后兼容性和稳健性能。
- 引入上下文敏感的推理规则(例如,Hyper、Succ、Pred),以指导目标导向的推理并避免不必要的推导。
- 应用谨慎和激进的策略进行上下文扩展,以在完备性与效率之间取得平衡。
- 利用先前工作中的角色链编码,以支持 𝒮RIQ 中的传递角色和复杂角色公理。
实验结果
研究问题
- RQ1是否可以设计出一个统一且连贯的演算,使基于后果的推理能够同时处理析取和计数量词?
- RQ2当涉及等式和析取的中间后果超出标准描述逻辑的表达能力时,如何表示并推理这些后果?
- RQ3是否可能在保持最坏情况最优性的同时,实现在实际本体上的竞争性性能?
- RQ4与最先进的基于表列的推理器相比,新演算在真实世界和合成基准上的性能表现如何?
主要发现
- 所提出的演算对 𝒮RIQ 是 refutationally complete 且最坏情况最优的,将基于后果推理的理论优势扩展到了更丰富的逻辑中。
- 该演算成功处理了析取和计数量词,克服了先前基于后果方法的关键局限。
- 初步性能评估显示,原型系统在多个基准测试中显著优于 FaCT++ 和 Pellet。
- 该系统通常能达到与 Konclude(一款高性能推理器)相当的性能,表明其具有强大的实际可行性。
- 有序归结的集成实现了有效的等式推理,这对计数量词和角色链至关重要。
- 该设计保持了与 ELH 推理的兼容性,确保在主要被 ELH 所包含的本体上仍具有稳健性能。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。