[论文解读] On the cost-complexity of multi-context systems

Peter Novák, Cees Witteveen|arXiv (Cornell University)|May 28, 2014

Logic, Reasoning, and Knowledge参考文献 5被引用 3

一句话总结

本文提出成本感知多上下文系统（C-MCS），通过整合语义算子的执行成本，扩展了非单调多上下文系统。提出一种用于确定性MCS的增量推理算法，通过重用部分均衡来减少冗余计算，在如海上监视等传感器和数据库访问成本较高的系统中显著降低成本复杂度。

ABSTRACT

Multi-context systems provide a powerful framework for modelling information-aggregation systems featuring heterogeneous reasoning components. Their execution can, however, incur non-negligible cost. Here, we focus on cost-complexity of such systems. To that end, we introduce cost-aware multi-context systems, an extension of non-monotonic multi-context systems framework taking into account costs incurred by execution of semantic operators of the individual contexts. We formulate the notion of cost-complexity for consistency and reasoning problems in MCSs. Subsequently, we provide a series of results related to gradually more and more constrained classes of MCSs and finally introduce an incremental cost-reducing algorithm solving the reasoning problem for definite MCSs.

研究动机与目标

• 为解决大规模信息聚合系统中因带宽、能耗和数据库访问等带来的高操作成本问题，采用多上下文系统进行建模。
• 将成本复杂度形式化为多上下文系统中一致性与推理的度量指标，从时间复杂度转向资源成本的视角。
• 设计并实现一种增量推理算法，通过重用先前计算的均衡来最小化确定性多上下文系统中的重复计算。
• 在实际部署中评估该框架，特别是在海上交通监视系统（如Metis）中的应用，其中成本效率至关重要。

提出的方法

• 将非单调多上下文系统扩展为引入成本函数 $\mathit{cost}: \mathsf{KB} \rightarrow \mathbb{R}^+$，为每个知识库的语义算子分配执行成本。
• 提出成本复杂度的概念，作为计算不同类别的MCS（一般、确定性、无环）中均衡的最坏情况总成本的度量。
• 提出算法3用于确定性MCS中的增量推理，该算法分片段计算均衡，并重用先前处理片段的结果。
• 利用支持（supports）和基底均衡（grounded equilibria）的概念，通过增量方式构建全局均衡，利用确定性MCS中的单调性保证正确性。
• 采用片段选择策略，在分层确定性MCS中优先处理成本最低的可用片段，以最小化总成本。
• 通过在Metis（一个海上交通监视系统）中的实现与部署，验证了该方法的有效性，展示了实际的成本降低效果。

实验结果

研究问题

• RQ1 如何对多上下文系统中语义算子的执行成本进行形式化建模与分析，以指导高效系统设计？
• RQ2 在一般、确定性和无环多上下文系统中，一致性与推理的最坏情况成本复杂度边界是什么？
• RQ3 与整体计算相比，对片段进行增量推理是否能降低确定性多上下文系统中查询回答的总成本？
• RQ4 信息流结构（如上下文支持的重叠）如何影响增量推理算法的性能？
• RQ5 成本感知推理在实际系统（如海上监视平台）中能在多大程度上提升可扩展性？

主要发现

• 本文为一般、确定性和无环多上下文系统中的一致性与推理建立了最坏情况成本复杂度的上界，为成本感知系统设计提供了理论基础。
• 对于确定性多上下文系统，增量推理算法（算法3）通过利用单调性并重用部分均衡，确保了正确性，从而减少了冗余计算。
• 该算法通过按成本递增顺序处理片段实现成本降低，尤其在上下文支持重叠较低时效果显著。
• 在实践中，该算法成功部署于Metis（一个海上交通监视系统），展示了其在真实场景中的适用性与成本节约效果。
• 当存在高度冗余（即大多数上下文依赖于其他大多数）时，由于频繁的重新计算，算法的有效性可能受限，但此类情况在实际部署中较为罕见。
• 该框架通过将关注点从时间复杂度转向成本复杂度，实现了知识密集型系统中的可扩展推理，为资源受限环境提供了实用的替代方案。