[论文解读] Probabilistic Logic Programming under Inheritance with Overriding

Thomas Lukasiewicz|arXiv (Cornell University)|Jan 10, 2013

Logic, Reasoning, and Knowledge参考文献 32被引用 32

一句话总结

本文提出了一种新颖的概率逻辑编程框架，通过整合继承与重写机制，以处理不确定条件下的约束。通过将经典逻辑蕴含扩展为包含概率默认推理的形式，该框架在分层概率知识库中实现了高效且语义正确的推理，并提供了算法与优化以提升性能。

ABSTRACT

We present probabilistic logic programming under inheritance with overriding. This approach is based on new notions of entailment for reasoning with conditional constraints, which are obtained from the classical notion of logical entailment by adding the principle of inheritance with overriding. This is done by using recent approaches to probabilistic default reasoning with conditional constraints. We analyze the semantic properties of the new entailment relations. We also present algorithms for probabilistic logic programming under inheritance with overriding, and program transformations for an increased efficiency.

研究动机与目标

• 解决在逻辑编程中将概率推理与分层知识表示相结合的挑战。
• 基于继承与重写机制，为在不确定性下对条件约束进行推理建立形式化语义。
• 确保在具有分层结构的概率知识库中实现可靠且高效的推理。
• 提供算法支持与程序变换，以提升计算效率。

提出的方法

• 通过引入继承与重写机制，扩展经典逻辑蕴含，以处理概率默认情况。
• 采用近期的概率默认推理方法，为条件约束定义新的蕴含关系。
• 提出一种基于条件概率约束的语义，该语义尊重分层继承与重写规则。
• 采用利用知识库结构以提升效率的概率推理算法。
• 应用程序变换对逻辑程序进行重构，以改善执行性能。
• 基于一个正式模型，确保在继承机制下概率推理的一致性与连贯性。

实验结果

研究问题

• RQ1 如何在存在条件约束的情况下，扩展概率逻辑编程以支持继承与重写？
• RQ2 在概率推理下，新的蕴含关系具有哪些语义特性？
• RQ3 如何在具有分层结构的概率逻辑程序中实现高效推理？
• RQ4 哪些程序变换能够提升继承机制下概率推理的性能？
• RQ5 所提出的框架如何处理继承与特定概率事实之间的冲突？

主要发现

• 所提出的蕴含关系为在继承与重写机制下进行概率推理提供了连贯且语义上坚实的方法。
• 该框架即使在分层结构的不同层级存在冲突的概率事实时，也能支持可靠推理。
• 开发了高效算法，利用知识库的结构以减少计算开销。
• 实验证明，程序变换能显著提升概率推理的实际性能。
• 该方法在保持与经典逻辑一致性的基础上，扩展了其处理不确定性与继承的能力。
• 通过优化的推理机制，该系统实现了对分层概率知识库的可扩展推理。