[论文解读] Merging Locally Correct Knowledge Bases: A Preliminary Report

Paolo Liberatore|ArXiv.org|Dec 28, 2002

Logic, Reasoning, and Knowledge参考文献 18被引用 3

一句话总结

本文提出了一种广义模型，用于合并局部正确的知识库，将不一致视为源于知识获取过程中不同类型的错误，而不仅仅是字面值的更改。它表明，传统的最小变更信念修正假设了一种狭隘的错误模型（例如，错误的字面值），并引入了一个更广泛的框架，以涵盖名称冲突或误识别等错误，从而在各个知识库内部一致但指向不同实体的情况下，实现更准确的合并结果。

ABSTRACT

Belief integration methods are often aimed at deriving a single and consistent knowledge base that retains as much as possible of the knowledge bases to integrate. The rationale behind this approach is the minimal change principle: the result of the integration process should differ as less as possible from the knowledge bases to integrate. We show that this principle can be reformulated in terms of a more general model of belief revision, based on the assumption that inconsistency is due to the mistakes the knowledge bases contain. Current belief revision strategies are based on a specific kind of mistakes, which however does not include all possible ones. Some alternative possibilities are discussed.

研究动机与目标

• 识别仅依赖于“最小变更”原则的现有信念修正语义的局限性。
• 形式化一种超越字面值更改的更一般化的知识获取错误模型。
• 证明现有合并语义是此更广泛错误模型的特例。
• 表明在涉及误识别实体或名称冲突的情况下，传统最小变更方法会失效。
• 为适用于知识库局部正确但因不同指代对象而产生不一致的场景，奠定新型合并语义的基础。

提出的方法

• 提出一个模型，假设知识库是局部正确的，不一致源于获取错误而非全局不一致。
• 将错误分类，包括字面值更改和名称冲突（例如，不同个体使用相同名称），并形式化其对合并的影响。
• 提出一种合并机制，在不改变其内部一致性的前提下纠正知识库中的错误，重点解决指称模糊性问题。
• 使用命题逻辑形式化在不同错误假设下的合并过程，重点关注变量重命名和替换以解决冲突。
• 应用约简技术证明计算复杂度，表明新语义属于 Π²ᵖ，与标准修正算子类似。
• 证明传统信念修正语义（例如 Dalal 的方法）在此模型下，当假设错误为字面值错误时，是其特例。

实验结果

研究问题

• RQ1 信念修正语义如何能超越仅假设错误限于字面值更改的限制而实现泛化？
• RQ2 在何种情况下，最小变更原则会因指称模糊性而导致错误的合并结果？
• RQ3 一个统一的知识获取错误模型能否同时涵盖字面值错误和名称冲突错误？
• RQ4 局部正确知识库的假设如何影响合并算子的设计？
• RQ5 在此广义错误模型下，合并的计算复杂度特征是什么？

主要发现

• 最小变更原则并非普遍有效；它仅在错误限于字面值更改的严格假设下才成立。
• 在涉及误识别个体（例如，两个不同的乔治）的情况下，最小变更合并无法保留正确的局部知识，导致错误结论。
• 所提出的模型正确识别出双方知识库在局部上均正确，合并应通过区分指代对象来保留双方知识，而非最小化对单一不一致模型的修改。
• 该模型表明，基于错误纠正而非最小变更的合并，在错误并非字面值更改而是指称或命名错误时，能产生更准确的结果。
• 所提合并语义的计算复杂度为 Π²ᵖ-完全，表明其复杂度与标准信念修正算子相当，但并未显著更复杂。
• 该框架通过允许变量重命名和常量误识别等错误类型，泛化了现有语义，这些错误在软件集成和知识库合并中极为常见。