[论文解读] Possibilistic Answer Set Programming Revisited

Kim Bauters, Steven Schockaert+2 more|arXiv (Cornell University)|Mar 15, 2012

Logic, Reasoning, and Knowledge参考文献 18被引用 26

一句话总结

本文通过将可能性逻辑作为基础，为可能性答案集编程（PASP）提出了一种修订的语义，使在ASP中处理不确定性更加直观。它引入了Gelfond-Lifschitz约化的一种可能性推广形式，并展示了如何利用标准ASP求解器来实现该框架，从而在规则附带确定度的情况下，提升结果的一致性和可解释性。

ABSTRACT

Possibilistic answer set programming (PASP) extends answer set programming (ASP) by attaching to each rule a degree of certainty. While such an extension is important from an application point of view, existing semantics are not well-motivated, and do not always yield intuitive results. To develop a more suitable semantics, we first introduce a characterization of answer sets of classical ASP programs in terms of possibilistic logic where an ASP program specifies a set of constraints on possibility distributions. This characterization is then naturally generalized to define answer sets of PASP programs. We furthermore provide a syntactic counterpart, leading to a possibilistic generalization of the well-known Gelfond-Lifschitz reduct, and we show how our framework can readily be implemented using standard ASP solvers.

研究动机与目标

• 为现有PASP方法中缺乏直观且有充分依据的语义提供解决方案。
• 通过将PASP与可能性逻辑及可能性分布相联系，为其提供一个原则性的基础。
• 为语义框架开发一个语法对应物，以实现与标准ASP求解器的集成。
• 确保所得到的语义在不确定性条件下能产生更直观且一致的结果。

提出的方法

• 使用可能性逻辑中的可能性分布约束，刻画经典ASP的答案集。
• 将可能性逻辑的刻画推广，以定义PASP程序的答案集。
• 引入Gelfond-Lifschitz约化的可能性版本，以处理不确定环境下的默认否定。
• 建立从PASP程序到保持语义的可能逻辑公式的映射。
• 展示如何通过编码可能性约化，利用标准ASP求解器计算答案集。
• 将规则附带的确定度作为可能性逻辑框架中的权重，按可接受程度对模型进行排序。

实验结果

研究问题

• RQ1 如何为PASP开发一种更具直观性且有坚实基础的语义，以更好地处理不确定性？
• RQ2 经典ASP语义能否通过可能性逻辑的视角重新解释，以支持不确定性建模？
• RQ3 支持实际计算的语义框架的语法对应物是什么？
• RQ4 现有ASP求解器如何被适配以在所提出的语义下计算答案集？
• RQ5 所提出的框架是否比以往的PASP方法产生更一致且更易解释的结果？

主要发现

• 所提出的语义通过将其建立在可能性逻辑基础上，为PASP提供了更具直观性和充分动机的解释。
• 该框架成功地将经典ASP语义推广至通过可能性分布处理不确定性的场景。
• 引入了一种语法约化，将Gelfond-Lifschitz约化扩展到可能性设置，从而实现实际计算。
• 该方法与标准ASP求解器完全兼容，可在不依赖新型求解器技术的情况下实现高效计算。
• 该框架确保更高的确定度导致更可信的答案集，与直观预期一致。