[论文解读] Representing Knowledge about Norms

Daniel Kayser, Farid Nouioua|ArXiv.org|Jul 18, 2006

Logic, Reasoning, and Knowledge参考文献 9被引用 9

一句话总结

本文提出一种用于表示复杂领域规范的形式化语言，通过建模交通法规和分析车祸报告展示了其有效性。通过将规范编码为结构化、可解释的规则，该方法实现了超越逻辑本身的更丰富推理，成功支持了交通领域中对事故原因的因果推理。

ABSTRACT

Norms are essential to extend inference: inferences based on norms are far richer than those based on logical implications. In the recent decades, much effort has been devoted to reason on a domain, once its norms are represented. How to extract and express those norms has received far less attention. Extraction is difficult: as the readers are supposed to know them, the norms of a domain are seldom made explicit. For one thing, extracting norms requires a language to represent them, and this is the topic of this paper. We apply this language to represent norms in the domain of driving, and show that it is adequate to reason on the causes of accidents, as described by car-crash reports.

研究动机与目标

• 为解决在规范隐含存在的领域中缺乏系统化方法来提取和表达规范的问题。
• 开发一种形式化语言，能够以支持超越逻辑蕴含的复杂推理方式来表示规范。
• 通过在真实世界领域——交通——的应用，证明所提出的规范表示方法的充分性。
• 通过建模交通行为中的规范约束，实现对事故原因的推理。
• 弥合隐含的规范性知识与人工智能系统可处理的显式、机器可读表示之间的差距。

提出的方法

• 作者基于情境性、条件性和道义性（义务、许可、禁止）陈述，设计了一种用于表示规范的形式化语言。
• 规范被编码为包含主体、行为、条件和模态（例如‘必须’、‘可以’、‘不得’）的结构化规则。
• 该语言支持嵌套和条件性规范表达，能够细致地表示复杂的监管环境。
• 该方法将规范性陈述与事实知识相结合，以实现对合规性与违规行为的推理。
• 该框架通过真实世界车祸报告在交通领域的实例化与验证得以实现。
• 系统通过追溯规范违反与事故叙述中特定事件的关联，执行因果推理。

实验结果

研究问题

• RQ1 如何以一种支持比经典逻辑更丰富推理的方式正式表示规范？
• RQ2 在像交通这样的领域中，需要何种语言才能表达规范性知识的全部范围？
• RQ3 形式化的规范表示能否实现对交通事故原因的可靠推理？
• RQ4 自然语言报告中的隐含规范如何转化为结构化、机器可处理的规则？
• RQ5 规范性推理在多大程度上提升了安全关键领域中的因果分析能力？

主要发现

• 所提出的规范表示语言成功建模了复杂的交通法规，包括条件性和道义性约束。
• 该框架通过识别事故叙述中的规范违反，实现了对事故原因的推理。
• 系统表明，规范性推理显著增强了因果分析能力，超越了单纯的事实重建。
• 该方法在真实车祸报告上得到验证，显示出在安全关键领域中的实际适用性。
• 该语言支持结构化、可解释且可扩展的规范表示，适用于集成到人工智能推理系统中。
• 结果证实，当规范性知识被适当地形式化后，可在复杂领域中实现更稳健、更具情境敏感性的推理。