[论文解读] Non-distributive logics: from semantics to meaning

Willem Conradie, Alessandra Palmigiano+2 more|arXiv (Cornell University)|Feb 11, 2020

Advanced Algebra and Logic参考文献 60被引用 6

一句话总结

本文通過對偶表征方法（基於對偶理論與統一對應理論）為非分配邏輯——具體而言是標準格擴展邏輯（LE-邏輯）——引入關係語義。本文提出兩種不同的語義框架：基於極性框架（將邏輯解釋為形式概念邏輯）與基於圖的框架（將邏輯解釋為具有三值真值的超構建主義系統）。主要貢獻在於展示這些語義如何為非分配推理提供直觀且概念上穩固的解釋，特別是在涉及知識不確定性、資訊熵與分級真值的情境中。

ABSTRACT

We discuss an ongoing line of research in the relational (non topological) semantics of non-distributive logics. The developments we consider are technically rooted in dual characterization results and insights from unified correspondence theory. However, they also have broader, conceptual ramifications for the intuitive meaning of non-distributive logics, which we explore.

研究动机与目标

• 發展一套系統性的關係語義（非拓撲）用於非分配邏輯，特別是標準LE-邏輯，其基礎為對偶與表示定理。
• 透過將語義框架與知識與資訊情境中的直觀解釋相連結，探討非分配性的概念意義。
• 證明關係語義能為非分配邏輯帶來與Kripke語義對模態邏輯所帶來的相同概念與技術優勢。
• 展示不同語義框架（基於極性的 vs. 基於圖的）如何在相同邏輯框架內產生不同的解釋——形式概念與超構建主義推理。
• 為將這些語義擴展至多值與向量空間模型奠定基礎，進而實現與符號式AI方法的整合。

提出的方法

• 運用完備格的伴隨與表示定理，透過對偶表征技術，從LE-邏輯的代數語義推導出關係語義。
• 利用形式上下文（集合、關係與概念格）構造基於極性的框架，以建模關於類別與概念的邏輯推理。
• 利用具有三值滿意關係（真、假、無 neither）的有向圖構造基於圖的框架，以建模在知識不確定性與資訊熵下的推理。
• 使用框架性質（例如包含與組合條件）推廣標準模態對應結果，包括Sahlqvist與歸納公式。
• 證明模態公理可透過參數關係（I 表極性，E 表圖）對應至框架條件，推廣經典與直覺邏輯語義。
• 透過允許分級成員資格與支持，將框架擴展至多值語義；並透過AI與NLP中的統計模型，導出向量空間語義。

实验结果

研究问题

• RQ1 關係語義如何為非分配邏輯中分配律失效提供直觀且非技術性的解釋？
• RQ2 在哪些情境下，非分配性不是缺陷，而是正確推理的必要特徵？
• RQ3 基於極性與基於圖的語義能否對同一邏輯符號系統提供獨立且一致的解釋——例如，作為概念的知識邏輯或資訊熵的邏輯？
• RQ4 語義的參數結構（透過I與E關係）在多大程度上能推廣對應與表達力結果，適用於不同邏輯系統？
• RQ5 這些語義如何擴展至多值與向量空間模型，以支援AI中的符號-符號混合整合？

主要发现

• 基於極性的語義支持LE-邏輯作為形式概念邏輯的解釋，使關於類別與概念層次的知識推理成為可能。
• 基於圖的語義支持一種超構建主義解釋，其中排中律在元語言層級上不成立，允許三值真值狀態（真、假、無 neither）。
• 對偶表征方法成功地從同一代數基礎推導出兩種獨特的關係語義，每種均有其獨特的概念根基。
• 模態公理的框架條件可透過代入適當關係（I 或 E）自然推廣，顯示出對應理論的參數化框架。
• 該方法可推廣至多值語義，其中真值為分級，反映現實世界現象如頻率、相容性或證據支持。
• 透過相同方法導出的向量空間語義，為整合符號邏輯與子符號AI方法（如詞嵌入與資訊檢索）提供途徑。