[论文解读] Joint Tabling of Logic Program Abductions and Updates

Ari Saptawijaya, Luı́s Moniz Pereira|arXiv (Cornell University)|May 8, 2014

Semantic Web and Ontologies参考文献 24被引用 5

一句话总结

本文提出了一种新颖的结合归结逻辑编程与逻辑程序更新的方法，利用 XSB Prolog 的表格化特性，实现了在变化环境下高效、基于查询的流畅更新传播，同时在不同上下文中重用归结解。核心贡献在于一种统一的程序转换机制与一组保留谓词库，联合利用增量表格化与表格化归结，实现上下文相关、一致且可重用的推理。

ABSTRACT

Abductive logic programs offer a formalism to declaratively represent and reason about problems in a variety of areas: diagnosis, decision making, hypothetical reasoning, etc. On the other hand, logic program updates allow us to express knowledge changes, be they internal (or self) and external (or world) changes. Abductive logic programs and logic program updates thus naturally coexist in problems that are susceptible to hypothetical reasoning about change. Taking this as a motivation, in this paper we integrate abductive logic programs and logic program updates by jointly exploiting tabling features of logic programming. The integration is based on and benefits from the two implementation techniques we separately devised previously, viz., tabled abduction and incremental tabling for query-driven propagation of logic program updates. A prototype of the integrated system is implemented in XSB Prolog.

研究动机与目标

• 为解决在动态环境中同时存在假设性推理（归结）与知识更新时，对上下文相关、一致推理的需求。
• 克服在逻辑程序中独立重新计算归结解与传播更新所导致的低效问题。
• 将两种现有技术——表格化归结与增量表格化更新——统一为一个协同工作的框架。
• 实现基于查询的、系统级的流畅更新传播，同时在不同上下文中重用归结解。
• 提供一种实用且可扩展的 XSB Prolog 实现，支持在经历知识变化的智能体中进行实时推理。

提出的方法

• 设计了一种新的程序转换机制，以整合先前系统的双重功能：在否定目标下实现按需向下的归结，以及对互补流畅量的向上增量传播。
• 该方法使用一组保留谓词，包括 compute/6 用于基于时间戳查询流畅量的真值，以及 verify_holds/4 用于根据时间和状态验证真值。
• 通过表格化归结缓存并重用归结解，避免在再次遇到相同子目标时重复计算。
• 通过增量表格化确保仅在需要时才向上游传播流畅量的更新，触发条件为顶层查询。
• 系统利用 XSB Prolog 对答案归约与增量更新的支持，以保持一致性并最小化冗余计算。
• 按需使用前缀树数据结构（类似 Tabdual）实现双规则构造机制，以高效管理归结上下文。

实验结果

研究问题

• RQ1 如何有效整合归结逻辑程序与逻辑程序更新，以支持在变化环境下的推理？
• RQ2 能否联合利用表格化机制，以同时提升归结与更新传播的效率？
• RQ3 在更新发生时，归结解在多大程度上可跨不同上下文重用？
• RQ4 如何在不预先计算所有可能状态的前提下，实现基于查询的、增量式的更新传播？
• RQ5 能否设计一种统一的程序转换与谓词库，以在单一系统中同时支持表格化归结与增量更新？

主要发现

• 该集成成功结合了表格化归结与增量表格化更新，实现了在动态知识变化下的高效、上下文敏感推理。
• 归结解在多个查询间被重用，减少了冗余计算，提升了多查询场景下的性能。
• 流畅量更新的增量传播仅在按需触发，确保了系统级效率与一致性。
• 使用单一程序转换与共享的保留谓词库，简化了实现并增强了模块化程度。
• 通过系统表检查可直接访问流畅量的最新真值与时间戳，支持精确的时间推理。
• 在 XSB Prolog 中的原型实现验证了其可行性，并为部署于需要假设性、反事实与道德推理的智能体系统铺平了道路。