Parametric Connectives in Disjunctive Logic Programming
选言逻辑程序设计（\DLP）是一种高级的知识表示和推理（KRR）形式。\DLP在精确的数学意义上是非常有表现力的：它允许表达在复杂性类$\SigmaP{2}$（$\NP^{\NP}$）中可判定的有限结构的每个属性。重要的是，\DLP编码通常简单而自然。在本文中，我们挑出\DLP的一些局限性KRR，它不能自然地表达的问题，其中的析取的大小是未知的“优先级”（如N-着色），但它是输入的一部分。为了克服这些局限性，我们进一步提高知识建模能力的\DLP，通过扩展这种语言的{ \em参数连接词（或和）}。这些连接词使我们能够表示具有给定性质的一组原子的分离/结合。我们正式定义的语义的新语言，命名为$DLP^{\bigvee,\bigwedge}$，我们显示的有用性的新结构的相关知识为基础的问题。我们处理实施问题并讨论相关工作。
2003-11-07 cs.AI
Disjunctive Logic Programs with Inheritance
本文提出了一种新的知识表示语言DLP<，它通过继承扩展了析取逻辑程序设计（具有强否定）。继承的增加增强了语言的知识建模功能，提供了带有异常的默认推理的自然表示。给出了DLP<的一种声明性模型论语义，它推广了析取逻辑程序的回答集语义.通过对经典非单调问题的编码说明了该语言的知识建模特点。分析了DLP<的复杂性，证明了继承不会引起任何计算开销，因为DLP<中的推理与析取逻辑程序设计中的推理具有完全相同的复杂性。这一点被从DLP<到普通析取逻辑编程的有效翻译的存在所证实。使用这种翻译，一个支持DLP<语言的高级KR系统已经在DLV系统上实现，随后被集成到DLV中。
2001-06-28 cs.AI cs.LO
A Polynomial Translation of Logic Programs with Nested Expressions into Disjunctive Logic Programs: Preliminary Report
嵌套逻辑程序最近被引入，以便允许在答案集语义下的逻辑程序规则的头部和主体中的任意嵌套公式。嵌套表达式可以不受限制地使用合取、析取以及作为失败操作符的否定来形成。这为知识表示和推理提供了一个非常灵活和紧凑的框架。已有的结果表明，嵌套逻辑程序可以初等地转化为标准（非嵌套）析取逻辑程序，只需对体文字应用否定作为失败算子.这是非常实际的相关性，因为它允许我们评估嵌套的逻辑程序的手段，现成的析取逻辑编程系统，如DLV。然而，事实证明，这种简单的转换在最坏的情况下会导致指数爆破，尽管复杂性结果表明两种形式主义之间存在多项式转换。在本文中，我们接受了这一挑战，并提供了一个多项式的逻辑程序与嵌套表达式转换为析取逻辑程序。此外，我们表明，这种翻译是模块化的和（强）忠实。我们已经实现了简单的和高级的转换;生成的编译器作为DLV的前端，并在Web上公开提供。
2002-07-19 cs.AI cs.LO
Semantics for Possibilistic Disjunctive Programs
Universitat Politècnica de Catalunya（加泰罗尼亚理工大学）；Universidad de las Américas - Puebla（普埃布拉美洲大学）
本文定义了一种用于不确定、不完全和不一致信息建模的可能性析取逻辑规划方法。该方法引入了可能性选言分句的使用，它能够同时捕获知识库的不完整信息和不完整状态。将可能性逻辑程序看作是一种可能性逻辑理论，定义了一种基于回答集和可能性逻辑证明理论的可能性逻辑程序设计语义的构造方法.它表明，这种可能性语义的析取逻辑程序可以表征为一个不动点算子。它还表明，建议的可能性语义可以计算的决议算法和考虑最佳反驳从可能性逻辑理论。为了管理不一致的可能性逻辑程序，定义了不一致可能性模型间的偏好准则，并采用割集方法恢复不一致可能性知识库的一致性.该方法是在一个医疗场景中说明。
2011-06-03 cs.AI cs.LO cs.PL
Disjunctive Answer Set Solvers via Templates
University of Genova（热那亚大学）；University of Nebraska at Omaha（内布拉斯加大学奥马哈分校）
答案集编程是一种面向困难的组合搜索问题的声明式编程范式。答案集编程的一个基本任务是计算稳定的模型，即，逻辑程序的解。答案集求解程序是执行此任务的程序。判定一个析取程序是否有稳定模型的问题是$Σ^P_2$ -完全的.在析取逻辑编程中推理的高度复杂性是少数能够处理此类程序的求解器的原因，即DLV，GnT，Cmodels，CLASP和WASP。在本文中，我们表明，过渡系统引入Nieuwenhuis，Oliveras和Tinelli模型和分析可满足性求解器可以适用于析取答案集求解器。过渡系统提供了一个统一的视角，并使求解器的描述和比较变得清晰。它们可以有效地用于分析、比较和证明搜索算法的正确性，也可以启发析取答案集求解器设计的新思路。有鉴于此，我们介绍了一个通用的模板，占析取求解器中实现的主要技术。然后，我们说明了这个通用模板如何捕获求解器DLV，GnT和Cmodels。我们还展示了这个框架如何提供了一个方便的工具，设计新的求解算法，通过在不同的求解器中采用的技术相结合。
2015-10-06 cs.AI
Expressiveness of Logic Programs under General Stable Model Semantics
University of Western Sydney（西悉尼大学）
近年来，已有研究将稳定模型语义推广到非Herbrand结构，为回答集编程提供了统一的框架和坚实的逻辑基础。本文主要研究一般稳定模型语义下正常程序和析取程序的表达性。对于无限结构，提出了一种从析取程序到正规程序的转换方法。在有限结构上，证明了某些析取程序在辅助谓词和辅助函数有界的条件下不可翻译为正常程序。证明了正常程序和选言程序在任意结构上的表现性等价于在有限结构上的表现性等价，并与NP在补下是否闭相一致.此外，为了获得精确的表达能力，还得到了逻辑程序类与二阶逻辑片段之间的互译性结果。
2014-12-02 cs.AI cs.LO
An Approach to Forgetting in Disjunctive Logic Programs that Preserves Strong Equivalence
Simon Fraser University（西蒙弗雷泽大学）；Griffith University（格里菲斯大学）
在本文中，我们研究了遗忘的析取逻辑程序，其中忘记一个原子从一个程序相当于减少该程序的签名。我们的目标是提供一种语法独立的方法，如果两个程序是强等价的，那么每个程序中忘记一个原子的结果也应该是强等价的。我们对遗忘的中心定义是不切实际的，但满足了这个目标：遗忘一个原子的特征是程序的SE结果集，这些SE结果没有提到要被遗忘的原子。然后，我们提供了一个等效的、实用的定义，其中，遗忘原子$p$是由程序中不提及$p$的那些规则以及通过从提及$p$的规则中的单个推理步骤获得的规则给出的。遗忘被证明有适当的属性，以及，有限的表征结果在一个温和的（在最坏的二次）爆破。最后，我们也得到了一个原型实现这种方法的遗忘。
2014-04-29 cs.AI cs.LO
Fuzzy Aggregates in Fuzzy Answer Set Programming
模糊回答集编程是一个描述性的框架，用于表示和推理模糊环境中的知识。然而，在具有模糊答案集语义的选言模糊逻辑程序（DFLP）中，模糊集合的不可用性阻碍了许多有趣问题的自然和简洁的表示。在本文中，我们扩展DFLP允许任意模糊聚集。我们定义了DFLP的模糊答案集语义与任意模糊聚集，包括单调，反单调，和非单调模糊聚集。我们表明，建议的模糊答案集语义既包含了原始的模糊答案集语义DFLP和经典的析取逻辑程序与经典的聚集的经典答案集语义，从而包含了经典的析取逻辑程序的经典答案集语义。我们表明，建议的模糊答案集的DFLP与模糊聚集是最小的模糊模型，因此是不可比的，这是一个重要的属性为非单调模糊推理。
2013-04-05 cs.AI
Type-elimination-based reasoning for the description logic SHIQbs using decision diagrams and disjunctive datalog
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；University of Oxford（牛津大学）；Wright State University（莱特州立大学）
我们提出了一种新的，类型消除为基础的方法推理的描述逻辑SHIQBS包括DL安全的规则。为此，我们首先建立了一个知识编译方法转换成一个有序的二叉决策图（OBDD），它代表了一个典型的模型的ALCIb知识库的术语部分。这个OBDD可以反过来被转换成析取数据集，并与知识库的断言部分合并，以执行组合推理。为了充分利用我们的技术SHIQbs，我们提供了一个逐步减少从SHIQbs ALCIb，保持可满足性和蕴涵的积极和消极的地面事实。所提出的技术被证明是最坏情况下的最优w.r.t.组合和数据复杂性，并容易承认扩展与地面合取查询。
2012-02-23 cs.AI cs.LO math.LO
Towards Automated Integration of Guess and Check Programs in Answer Set Programming: A Meta-Interpreter and Applications
带有析取的回答集编程（ASP）为声明式表示和解决难题提供了一个强大的工具。许多NP完全问题可以以非常简洁和直观的方式编码在逻辑程序的答案集语义中，其中编码反映了NP问题的典型“猜测和检查”性质：该属性以多项式大小的证书对应于程序的稳定模型的方式编码。然而，全析取逻辑程序（DLP）的问题解决能力是超越NP，并捕获一类问题的多项式层次的第二层。虽然这些问题也有一个明确的“猜测和检查”结构，但在DLP中找到反映这种结构的编码有时可能是一个不明显的任务，特别是如果“检查”本身是一个coNP完全问题;通常，这样的问题是通过交错单独的猜测和检查程序来解决的，其中检查由检查程序的不一致性来表达。本文提出了基于元解释技术的无头循环（扩展）析取逻辑程序到分层正（扩展）析取逻辑程序的一般变换。原始程序和变换后的程序的答案集是简单对应的，而且，原始程序的不一致性由变换后的程序的指定答案集指示。我们的转换促进了独立的“猜测”和“检查”程序，这往往是很容易获得，自动集成到一个单一的析取逻辑程序。我们的研究结果补充了最近的结果元解释在ASP中，并扩展方法和技术的声明性的“猜测和检查”的问题解决范式，通过ASP。
2005-01-28 cs.AI
Unfounded Sets for Disjunctive Hybrid MKNF Knowledge Bases
University of Alberta（阿尔伯塔大学）
将回答集编程（ASP）的封闭世界推理与本体论的开放世界推理相结合，拓宽了推理机的应用空间。析取混合MKNF知识库简洁地扩展了ASP，并且在某些情况下不会增加推理任务的复杂性。然而，在许多情况下，求解器的开发是滞后的。因此，解决析取混合MKNF知识库的唯一已知方法是基于猜测和验证，如Motik和Rosati在其原始工作中所制定的。一个主要的障碍是理解如何约束传播可以由求解器执行，其中，在ASP的上下文中，围绕着\textit{unfounded atoms}的计算，原子是假的部分解释。在这项工作中，我们建立了改进求解器的混合MKNF知识库与析取规则：我们正式的概念，这些知识库的无根据集，确定较低的复杂性界限，并演示了我们如何将这些发展集成到一个求解器。我们讨论了本体论所带来的挑战，这些挑战不存在于析取逻辑程序的求解器的开发中，这保证了与传统的无根据集定义的一些偏差。我们比较我们的工作与事先定义的无根据集。
2021-02-25 cs.AI
A Fixpoint Characterization of Three-Valued Disjunctive Hybrid MKNF Knowledge Bases
University of Alberta（阿尔伯塔大学）
混合MKNF（最小知识和否定作为失败）的逻辑是一种强大的知识表示语言，它优雅地将ASP（答案集编程）与本体配对。析取规则是对常规基于规则的推理的一种理想的扩展，并且通常为常规知识库设计的语义框架需要大量的重构来支持析取规则。或者，可以通过引入一组正常知识库来提升正常规则的特征以支持析取规则，每个正常知识库具有相同的主体和头部中的单个原子。在这项工作中，我们指的是一组这样的正常的知识库作为一个头切的析取知识库。出现的问题是，是否可以使用不动点结构与头部切割的特征析取混合MKNF知识库的语义。前面，我们已经证明了头切可以与不动点算子配对，以捕获析取混合MKNF知识库的二值MKNF模型。三值语义学扩展了二值语义学，使其具有表达部分信息的能力。在这项工作中，我们提出了一个不动点的建设，利用头削减使用的操作，迭代捕获三值模型的混合MKNF知识库与析取规则。这种表征也捕获了部分稳定模型的析取逻辑程序，因为一个程序可以表示为一个析取混合MKNF知识库与空本体。我们详细说明了这种表征和近似AFT（近似不动点理论）正常的混合MKNF知识库之间的关系。
2022-08-05 cs.AI cs.LO
Counting Answer Sets of Disjunctive Answer Set Programs
National University of Singapore（新加坡国立大学）；Indian Institute of Technology Bombay（印度班加罗尔理工学院）；Georgia Institute of Technology（佐治亚理工学院）
提出SharpASP-SR框架，通过减法约简将析取逻辑程序的回答集计数转化为投影命题模型计数，并开发混合方法，在多样化基准上实现了最先进性能。
2025-07-15 cs.AI cs.LO
Stable-Unstable Semantics: Beyond NP with Normal Logic Programs
Helsinki Institute for Information Technology HIIT（赫尔辛基信息技术研究所）；Department of Computer Science Aalto University（阿尔托大学计算机科学系）
标准答案集程序设计（ASP）的目标是从多项式时间层次结构（PH）的第一层开始求解搜索问题。使用ASP处理NP之外的搜索问题就不那么简单了。析取逻辑程序的类提供了达到PH的第二级的最突出的方式，但是将相应的硬问题编码为析取程序通常需要复杂的技术，例如饱和或元解释。这种技术的应用很容易导致非专家无法访问的编码。此外，虽然析取ASP求解器通常依赖于对（co-）NP oracle的调用，但可能难以从输入程序中检测到oracle正在被访问的位置。在其他形式主义中，如量化布尔公式（QBF），底层oracle的接口更透明，因为它显式地记录在公式的量词前缀中。另一方面，从建模的角度来看，ASP比QBF具有优势。丰富的高级语言（如ASP-Core-2）提供了各种各样的原语，可以对搜索问题进行简洁而自然的编码。在本文中，我们提出了一种新的逻辑编程-基于建模范式，结合了ASP和QBF的最佳功能。我们开发了所谓的组合逻辑程序，其中预言机被直接转换为（正常的）逻辑程序本身。递归体现这种建设使逻辑编程任意高层次的PH值。我们开发了一个概念验证实现我们的新范式。本文件正在考虑被TPLP接受。
2016-08-15 cs.AI
Unfolding Partiality and Disjunctions in Stable Model Semantics
本文研究了部分和析取稳定模型的实现方法，其中，从逻辑程序中展开析取和析取，使得正常（无析取）程序的稳定模型的实现可以用作核心推理机。展开分两步进行。首先，它表明，部分稳定的模型可以捕获的总稳定的模型，使用一个简单的线性和模块化的程序转换。因此，部分稳定模型的推理任务，可以解决使用总稳定模型的实现。分离的部分稳定模型一直缺乏实现，现在可以作为翻译处理分离的情况。其次，它表明如何总的稳定模型的析取程序可以确定计算稳定模型的正常程序。因此，正常程序的稳定模型的实现可以用作实现析取程序的核心引擎。通过构造一个以该系统为核心的析取程序稳定模型计算系统，证明了该方法的可行性。最后将此系统的效能与目前最先进的析取程式专用系统dlv作比较。
2004-01-02 cs.AI
Ontology-based Data Access: A Study through Disjunctive Datalog, CSP, and MMSNP
CNRS（法国国家科学研究中心）；Université Paris Sud（巴黎南大学）；UC Santa Cruz（加州大学圣克鲁兹分校）；University of Bremen（不来梅大学）；University of Liverpool（利物浦大学）
基于本体的数据访问涉及在本体提供的特定领域知识存在的情况下查询不完整的数据源。在这种设置中的中心概念是本体介导的查询，这是一个数据库查询与本体耦合。在本文中，我们研究了几类本体介导的查询，其中数据库查询被给定为某种形式的合取查询，本体被制定在描述逻辑或一阶逻辑的其他相关片段，如保护片段和一元否定片段。本文的贡献有三个方面。首先，我们描述了表达能力的本体介导的查询片段的析取数据。其次，我们建立了本体中介查询和约束满足问题（CSP）及其逻辑推广，MMSNP公式之间的密切联系。第三，我们利用这些连接，以获得新的结果（一）一阶重写和数据记录重写的本体为中介的查询，（ii）P/NP二分法本体为中介的查询，和（iii）查询包含问题的本体为中介的查询。
2013-06-06 cs.AI cs.DB
Probability Aggregates in Probability Answer Set Programming
概率答案集编程是一种声明式编程，已被证明可以有效地表示和推理各种概率推理任务。然而，在析取混合概率逻辑程序（DHPP）语言中，缺乏概率集合，例如{ \em期望值}，使得许多有趣的问题不能自然和简洁地表示。在本文中，我们扩展DHPP允许任意概率聚合。我们引入两种类型的概率聚合;一种类型计算经典聚合的期望值，例如，最小值的期望值，以及计算经典聚合的概率的类型，例如，值之和的概率。此外，我们定义了一个概率答案集语义的DHPP与任意概率聚合，包括单调，反单调，和非单调概率聚合。我们发现，建议的概率答案集语义的DHPP既包含了原来的概率答案集语义的DHPP和经典的析取逻辑程序与经典的聚集的经典答案集语义，从而包含了经典的答案集语义的原始析取逻辑程序。我们表明，建议的概率回答集的DHPP与概率聚集的最小概率模型，因此是不可比的，这是一个重要的属性为非单调概率推理。
2013-04-05 cs.AI
Implementing Default and Autoepistemic Logics via the Logic of GK
University of Science and Technology of China（中国科学技术大学）；Leipzig University（莱比锡大学）
知识和合理假设的逻辑，也称为基础知识逻辑（GK），由林和肖汉姆提出，作为非单调推理的一般逻辑。到目前为止，它已经被用来嵌入默认逻辑（命题情况），自认知逻辑，特纳的普遍因果关系逻辑，以及稳定模型语义下的一般逻辑编程。除了显示GK作为非单调推理逻辑的一般性之外，这些嵌入还揭示了这些其他逻辑之间的关系。在本文中，第一次，我们展示了如何GK的逻辑可以嵌入到析取逻辑编程中的多项式，但非模块化的新变量的翻译。其结果可用于计算缺省逻辑、自认知逻辑和Turner泛因逻辑的扩展/扩展语义，并可通过claspD（-2）、DLV、GNT和cmodels等析取ASP求解器进行求解。
2014-05-05 cs.AI cs.LO
DLV - A System for Declarative Problem Solving
DLV是一个高效的逻辑编程和非单调推理（LPNMR）系统，具有先进的知识表示机制和经典关系数据库系统的接口。它的核心语言是具有完整性约束的答案集语义（Answer Set Semantics）下的析取数据库（无函数析取逻辑编程），包括默认和强（或显式）否定以及查询。还支持算术运算和各种内置谓词。此外，DLV有几个前端，即勇敢和谨慎的推理，溯因诊断，基于一致性的诊断，SQL 3的一个子集，使用动作语言进行规划，以及使用继承进行逻辑编程。
2000-03-08 cs.AI cs.LO
On Elementary Loops of Logic Programs
Universität Potsdam（波茨坦大学）；Arizona State University（亚利桑那州立大学）；University of Kentucky（肯塔基大学）
利用初等循环的概念，Gebser和Schaub通过只考虑初等循环的循环公式，改进了Lin和Zhao关于循环公式的定理。在这篇文章中，我们重新制定了他们的基本循环的定义，将其扩展到析取程序，并研究了基本循环的几个性质，包括最大基本循环如何与最小无基集相关。结果提供了有用的见解，稳定的模型语义的基本循环。对于一个非析取程序，使用一个基本循环的图论表征，我们表明，识别一个基本循环的问题是易处理的。另一方面，我们证明了相应的问题是{ \sf coNP}-完全的析取程序。基于基本循环的概念，我们提出了Head-Elementary-Loop-Free（HEF）程序类，它严格地推广了Ben-Eliyahu和Dechter提出的Head-Cycle-Free（HCF）程序类.和HCF程序一样，HEF程序也可以在多项式时间内通过将头原子移入体原子而转化为等价的非析取程序。
2011-01-02 cs.AI
Backdoors to Normality for Disjunctive Logic Programs
Vienna University of Technology（维也纳工业大学）
在过去的二十年里，命题可满足性（SAT）已经成为解决NP完全问题的最成功和最广泛应用的技术之一。本文的目的是从理论上研究如何利用SAT有效地解决比NP或co-NP更难的问题。特别是，我们认为命题析取答案集编程（ASP），勇敢推理和怀疑推理，问一个给定的原子是否包含在至少一个或所有答案集，分别基本的推理问题。这两个问题都位于多项式层次的第二层，因此被认为比NP或co-NP更难。人们不能在多项式时间内将这两个推理问题转换为SAT，除非多项式层次崩溃。我们表明，某些结构方面的析取逻辑程序可以用来突破这一复杂性障碍，使用新的技术参数化的复杂性。特别是，我们展示了从勇敢和怀疑推理到SAT的转换，其运行时间为O（2^kn^2），其中k是实例的结构参数，n是输入大小。换句话说，对于参数k，约简是固定参数可处理的。作为参数k，我们取相对于正常类的最小后门的大小（即，无析取）程序。这样的后门是一组原子，当被删除时，它使程序正常。因此，当将问题从多项式层次的第二级转换到第一级时所预期的组合爆炸现在可以被限制在参数k，而约简的运行时间在输入大小n中是多项式的，其中多项式的阶数与k无关。
2013-05-02 cs.AI cs.CC cs.LO
Extremal problems in logic programming and stable model computation
本文研究如下问题：给定一类逻辑程序C，确定C程序的最大稳定模型数。我们建立了最大值的类的所有逻辑程序与最多n个条款，并为类的所有逻辑程序的大小最多n。我们还表征的方案，达到最大值。我们得到了类似的结果为类的所有析取逻辑程序与最多n个条款，每个长度最多m，和类的所有析取逻辑程序的大小最多n。我们在逻辑程序上的结果对于设计计算稳定模型的算法有直接的意义。几个这样的算法，在精神上类似的戴维斯-普特南程序，在本文中描述。我们的结果意味着，有一个算法，找到所有的稳定模型的程序与n个条款后，考虑搜索空间的大小为O（3^{n/3}）的最坏情况。我们的研究结果也提供了一些见解的可表示性问题的家庭的集合作为家庭的稳定模型的逻辑程序。
1999-01-25 cs.AI cs.LO
Nonmonotonic Probabilistic Logics between Model-Theoretic Probabilistic Logic and Probabilistic Logic under Coherence
最近，它已被证明，概率蕴涵下的一致性是弱于模型理论的概率蕴涵。此外，概率蕴涵下的一致性是系统P中的默认蕴涵的推广。在本文中，我们继续这条线的研究，提出了更复杂的概念之间的模型理论的概率蕴涵和概率蕴涵下的一致性的经典默认蕴涵的概率概括。也就是说，新的形式主义适当地推广了经典缺省推理中的对应形式，它们比模型论概率蕴涵弱，但在一致性下比概率蕴涵强。新的形式主义是有用的，特别是处理概率不一致的条件下零事件。它们也可以应用于概率信念修正。更一般地说，在相同的精神，类似以前的文件，本文揭示了令人兴奋的新的形式主义概率推理超出了众所周知的标准。
2002-07-22 cs.AI
Non-deterministic approximation operators: ultimate operators, semi-equilibrium semantics and aggregates (full version)
Open Universiteit（开放大学）
本文扩展了非确定性近似不动点理论，提出了终极近似算子，给出了半均衡语义的代数表述，并将析取逻辑程序的刻画推广至带聚合的情形。
2023-05-18 cs.AI cs.LO
Elementary Sets for Logic Programs
Universität Potsdam（波茨坦大学）；Arizona State University（亚利桑那州立大学）；University of Texas at Austin（得克萨斯大学奥斯汀分校）
本研究针对逻辑程序回答集相关的基本环概念进行简化推广，提出更易用且可扩展至析取程序的基本集合概念，证明其相关性质并给出复杂度结论，推进了逻辑程序基础理论研究。
2023-07-15 cs.AI
Propositional theories are strongly equivalent to logic programs
本文给出了在回答集语义下命题理论的一个性质（一般语法称为均衡逻辑）：任何理论总是可以被重新表示为强等价的析取逻辑程序，可能在头部带有否定。我们提供了两个不同的证明这一结果：一个涉及到一个句法转换，和一个，构建一个程序从这里和那里的中间逻辑的理论的反模型。
2007-01-16 cs.AI cs.LO
Modularity Aspects of Disjunctive Stable Models
Helsinki University of Technology（赫尔辛基理工大学）；Technische Universität Wien（维也纳工业大学）
实际上，所有的程序设计语言都允许程序员将程序分成几个模块，这在软件开发中带来了几个优点。在本文中，我们感兴趣的领域的答案集编程，完全声明性和非单调的语言。在这种情况下，获得程序的模块化结构绝不是简单的，因为整个程序的输出通常不能由其组件的输出组成。为了更好地理解析取信息对模块化的影响，我们将分析范围限制在受稳定模型语义约束的析取逻辑程序（DLP）的情况下。我们定义了一个DLP函数的概念，其中提供了一个定义良好的输入/输出接口，并建立了一个新的模块定理，表明稳定模型的组合性的DLP函数的语义。模定理扩展了著名的分裂集定理，并使DLP-函数的分解给出了强连通分量的正依赖诱导的规则。在这种情况下，还可以使用一般化的移位技术在组件之间拆分共享的析取规则。模块化等价的概念引入的DLP功能的相互比较，使用一个推广的基于验证方法。
2014-01-15 cs.AI cs.LO
Probabilistic Logic Programming under Inheritance with Overriding
我们提出了概率逻辑编程下的继承覆盖。这种方法是基于新的概念蕴涵推理的条件约束，这是从经典的概念逻辑蕴涵通过添加继承与覆盖的原则。这是通过使用最近的方法概率默认推理与条件约束。我们分析了新蕴涵关系的语义特性。我们还提出了概率逻辑编程的算法继承覆盖，程序转换，以提高效率。
2013-01-10 cs.AI
A New Rational Algorithm for View Updating in Relational Databases
RWTH Aachen（亚琛工业大学）；University of Bonn（波恩大学）
信念和知识的动态是任何自治系统的主要组成部分之一，它应该能够吸收新的信息。为了将信念动力学理论的合理性结果应用到各种实际问题中，它应该在两个方面进行推广：第一，它应该允许信念的某一部分被声明为不变的;第二，信念状态不需要是演绎封闭的。本文提出了这样一种广义的信念动力学，称为基地动力学，随着知识库（霍恩或霍恩逻辑分层否定）的广义修正算法的概念。我们表明，知识库动态有一个有趣的连接，通过击中集和绑架的内核变化。在本文中，我们将展示如何从析取逻辑编程技术可以用于有效的（演绎）数据库更新。其核心思想是将给定的数据库连同更新请求一起转换成一个析取（数据库）逻辑程序，并应用析取技术（如最小模型推理）来解决原始的更新问题。该方法扩展并集成了标准技术，以实现高效的查询应答和完整性检查。一个击中集的生成是通过一个超tableaux演算和魔术集，专注于最小的目标。
2014-07-13 cs.AI cs.DB
Complexity Analysis and Variational Inference for Interpretation-based Probabilistic Description Logic
本文提出了概率描述逻辑推理的复杂性分析和变分方法，其特点是布尔算子，量化，合格数限制，名词，逆角色和角色层次。推理是PEXP-完全的，变分方法的设计，以便尽可能利用逻辑推理。
2012-05-09 cs.AI
Default reasoning over domains and concept hierarchies
W.C.圆和G。- Q. Zhang（2001）提出研究一种推广到代数域的析取逻辑编程形式。该系统允许推理的信息是分层结构，并形成一个（合适的）域。我们扩展这个框架，包括推理与默认否定，从而产生一个新的非单调推理框架的层次知识，其中包括答案集编程与扩展的析取逻辑程序。我们还表明，层次结构的知识，编程在这种模式下可以做的，产生非常自然的正式概念分析。总之，我们得到了一个默认的推理范式的概念知识，这是根据非单调推理的主流发展。
2004-09-01 cs.AI cs.LO
Integrating Logical and Probabilistic Reasoning for Decision Making
Rockwell International Science Center（罗克韦尔国际科学中心）；Stanford University（斯坦福大学）
我们描述了一种表示和一组推理方法，结合逻辑编程技术与概率网络表示的不确定性（影响图）。该技术强调复杂和不确定领域的概率和决策理论模型的动态构建和解决方案。给定一个查询，如果可能的话，会产生一个逻辑证明;如果不可能，会产生一个基于查询和决策域知识的影响图，并随后求解。一个统一的声明，一阶，知识表示相结合的逻辑，概率和决策理论推理的综合推理过程。
2013-03-27 cs.AI
Inference in Probabilistic Logic Programs using Weighted CNF's
概率逻辑程序是其中一些事实用概率注释的逻辑程序。几个经典的概率推理任务（如MAP和计算边际）还没有得到很多关注，这种形式主义。本文的贡献是，我们开发了有效的推理算法，这些任务。这是基于概率逻辑程序以及查询和证据到加权CNF公式的转换。这使我们能够将推理任务减少到经过充分研究的任务，例如加权模型计数。为了解决这些问题，我们采用了最先进的方法。我们考虑多种方法的转换程序，以及加权CNF的推理。由此产生的方法进行了实验评估，并显示出改善后，国家的最先进的概率逻辑编程。
2012-02-14 cs.AI
Lazy Explanation-Based Approximation for Probabilistic Logic Programming
我们介绍了一个懒惰的方法，基于推理的概率逻辑程序的近似。在搜索解释时，它只使用程序中最重要的部分。其结果是一个快速和随时近似推理算法，返回硬下限和上限的确切概率。我们的实验表明，这种方法优于国家的最先进的近似推理。
2015-07-10 cs.AI
From probability to causality in probabilistic logic programming
Ludwig-Maximilians-Universität München（慕尼黑大学）；Eberhard-Karls-Universität Tübingen（蒂宾根大学）；German University of Digital Science（德国数字科学大学）
该研究针对概率逻辑程序从数据学习时因果顺序不唯一的问题，结合贝叶斯网络关系推导条件并纳入因果对称约束，提出可验证干预语义的方法。
2026-08-10 cs.AI
Beyond the Grounding Bottleneck: Datalog Techniques for Inference in Probabilistic Logic Programs (Technical Report)
Cardiff University（卡迪夫大学）；Samsung AI Research（三星人工智能研究院）
概率逻辑编程中的最先进的推理方法通常通过相对于感兴趣的查询计算相关的基础程序开始，然后使用该程序进行使用知识编译和加权模型计数的概率推理。我们提出了一种替代方法，使用高效的数据库技术集成知识编译与正向推理与非地面程序。这有效地消除了接地瓶颈，到目前为止，已经禁止概率逻辑编程的查询应答场景中的应用程序在知识图谱，同时还提供了快速近似的经典基准在该领域。
2019-11-18 cs.AI
Neural Probabilistic Logic Programming in DeepProbLog
KU Leuven（鲁汶大学）；Cardiff University（卡迪夫大学）；Ghent University - imec（根特大学-imec）
我们介绍DeepProbLog，这是一种神经概率逻辑程序设计语言，通过神经谓词结合了深度学习。我们将展示如何现有的推理和学习技术的基础概率逻辑程序设计语言ProbLog可以适应新的语言。我们从理论和实验上证明了DeepProbLog支持（i）符号和子符号表示和推理，（ii）程序归纳，（iii）概率（逻辑）编程，以及（iv）从示例中进行（深度）学习。据我们所知，这项工作是第一个提出一个框架，其中通用神经网络和表达概率逻辑建模和推理集成的方式，利用充分的表现力和两个世界的优势，可以训练端到端的基础上的例子。
2019-09-23 cs.AI
DeepProbLog: Neural Probabilistic Logic Programming
KU Leuven（鲁汶大学）；Cardiff University（卡迪夫大学）；Ghent University - imec（根特大学-校际微电子中心）
我们介绍DeepProbLog，这是一种概率逻辑程序设计语言，通过神经谓词结合了深度学习。我们展示了如何现有的推理和学习技术可以适应新的语言。我们的实验表明，DeepProbLog支持符号和子符号表示和推理，1）程序归纳，2）概率（逻辑）编程，3）从示例中进行（深度）学习。据我们所知，这项工作是第一个提出一个框架，其中通用神经网络和表达概率逻辑建模和推理集成的方式，利用充分的表现力和两个世界的优势，可以训练端到端的基础上的例子。
2018-12-12 cs.AI
Logic programs with monotone abstract constraint atoms
本文介绍并研究了子句由单调约束原子构成的逻辑程序。我们表明，一步证明算子的操作概念推广到单调约束原子的程序，但推广涉及非确定性。我们的主要结果表明，我们的形式化是一个共同的推广（1）正常的逻辑编程与其语义的模型，支持的模型和稳定的模型，（2）逻辑程序与重量原子（lparse程序）的语义的稳定模型，定义的Niemela，Simons和Soininen，（3）析取逻辑编程与可能的模型语义的Sakama和井上。
2006-08-25 cs.AI cs.LO
A Splitting Set Theorem for Epistemic Specifications
在过去的十年中，已经做了大量的研究来扩展逻辑程序设计语言以处理不完整的信息。一种这样的语言是认知规范的语言。和逻辑程序设计语言一样，回答查询的问题在一般情况下是难以处理的。对于扩展的析取逻辑程序，一个被证明在简化答案集的研究中有用的想法是使用分裂集。在本文中，我们将提出一个扩展的定义分裂集，将适用于认知规范。此外，分裂集定理的一个扩展。此外，分层的认知规范的特征将给出分裂集。这种特征使我们的算法方法计算世界观的一个子类的认知逻辑程序。
2000-03-08 cs.AI
A General Multi-agent Epistemic Planner Based on Higher-order Belief Change
近年来，多智能体认知规划受到了动态逻辑和规划界的关注。现有的多智能体认知规划的实现是基于编译成经典的规划，并遭受各种限制，如只生成线性计划，限制公共行动，以及无法处理分离的信念。在本文中，我们提出了一个通用的表示语言的多智能体认知规划的初始知识库和目标，行动的先决条件和效果可以是任意的多智能体认知公式，和解决方案是一个行动树分支的感知结果。为了支持多智能体KD45逻辑中的高效推理，我们使用称为交替覆盖析取公式（ACDF）的范式。我们提出了基本的修正和更新算法的ACDF。我们还处理静态命题常识，我们称之为约束。基于我们的推理，修正和更新算法，适应从文献中的概率规划的PrAO算法，我们实现了一个多智能体的认知规划称为MEPK。我们的实验结果表明，我们的方法的可行性。
2018-08-14 cs.AI
Characterizations of Stable Model Semantics for Logic Programs with Arbitrary Constraint Atoms
University of Alberta（阿尔伯塔大学）
研究了具有（抽象）约束原子的逻辑程序的稳定模型语义及其性质。我们介绍了一个简洁的抽象表示，这些约束原子中的约束原子表示companies。我们展示了两个应用程序。首先，在这种约束原子的表示下，我们推广了Gelfond-Lifschitz变换，并将其应用于定义具有任意约束原子的逻辑程序的稳定模型（也称为答案集）。由此产生的语义与Son等人定义的语义一致，它基于定点方法。我们的方法的一个优点是，它可以被应用，在一个自然的方式，定义稳定的模型与约束原子的析取逻辑程序，这可能会出现在析取头以及在身体的规则。其结果是，我们的方法的稳定模型语义的逻辑程序与约束原子一般化了以前的一些方法。其次，我们表明，我们的抽象表示的约束原子提供了一种手段来表征原子的依赖关系的程序与约束原子，使一些标准的特征和属性依赖于这些依赖关系在过去的逻辑程序与普通原子可以扩展到逻辑程序与约束原子。
2009-04-30 cs.AI cs.LO cs.PL
Interpolation in Equilibrium Logic and Answer Set Programming: the Propositional Case
King’s College London（伦敦国王学院）；Universidad Politécnica de Madrid（马德里理工大学）；Universidad de Málaga（马拉加大学）
插值是经典逻辑和许多非经典逻辑的重要性质，在计算机科学和人工智能中有着重要的应用。在这里，我们研究的插值性质的命题版本的非单调系统的平衡逻辑，建立较弱或较强的形式的插值依赖于推理关系的精确解释。这些结果也产生了一种形式的插值地面逻辑程序下的回答集语义。对于析取逻辑程序，我们还研究了与变量遗忘概念密切相关的一致插值的性质。
2010-12-17 cs.AI cs.LO
Preferred extensions as stable models
Universitat Politècnica de Catalunya（加泰罗尼亚理工大学）；Universidad de las Américas - Puebla（普埃布拉美洲大学）
给定一个论证框架AF，我们引入一个映射函数，构造一个析取逻辑程序P，使得AF的优选扩展对应于P的稳定模型，每个稳定模型与相关原子相交后。给定的映射函数是多项式大小w.r.t. AF。特别是，我们确定，有一个直接的关系之间的最小模型的命题公式和优选的扩展论证框架的工作代表失败的论点。然后，我们展示了如何使用UNSAT算法和析取稳定模型求解器来推断论证框架的首选扩展。这个结果的相关性在于，我们定义了最令人满意的论证语义之一与非单调推理的最成功方法之一之间的直接关系，即，逻辑程序设计与稳定模型语义。
2008-03-26 cs.AI cs.SC
Propositional satisfiability in answer-set programming
我们表明，命题逻辑及其扩展可以支持答案集编程的方式一样，稳定的逻辑编程和析取逻辑编程。为此，我们介绍了一个逻辑的基础上的逻辑命题图式和封闭世界假设的一个版本。我们称之为CWA（PS+，符号）命题图式的扩展逻辑。这种逻辑的一个重要特征是它支持对集合基数的约束进行显式建模。在本文中，我们刻画了一类问题，可以解决的有限PS+理论。我们实现了一个基于PS+逻辑的编程系统，并在PS+中设计和实现了一个处理理论的求解器。我们提出了令人鼓舞的性能结果，我们的方法-我们表明，它是有竞争力的模型，一个国家的最先进的答案集编程系统的基础上稳定的逻辑编程。
2001-07-19 cs.AI cs.LO
Zero-Shot Signal Temporal Logic Planning with Disjunctive Branch Selection in Dynamic Semantic Maps
School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院）；Key Laboratory of System Control and Information Processing, the Ministry of Education of China（中国教育部系统控制与信息处理重点实验室）
本文提出一种零样本STL规划求解器，通过映射条件Transformer与轻量启发式结合，有效处理复杂离散子公式，利用传递强化学习确保时间一致性和逻辑连贯性，实验证明其在动态语义地图中具有优越的零样本泛化能力。
2026-05-02 cs.AI
Probabilistic Reasoning in the Description Logic ALCP with the Principle of Maximum Entropy (Full Version)
Free University of Bozen-Bolzano（博尔扎诺自由大学）；University of Osnabrück（奥斯纳布吕克大学）
知识表示的核心问题是如何对不确定性知识进行合理的编码和处理。我们介绍的概率描述逻辑ALCP，是专为表示上下文相关的知识，其中发生的实际情况是不确定的。ALCP允许对域的逻辑依赖和对可能上下文的概率依赖的表达。为了得出概率结论，我们采用最大熵原理。我们提供了推理算法，这种逻辑，并表明它满足概率逻辑的几个理想的属性。
2016-06-30 cs.AI cs.LO
Interpolable Formulas in Equilibrium Logic and Answer Set Programming
Bar Ilan University（巴伊兰大学）；King’s College London（伦敦国王学院）；University of Luxembourg（卢森堡大学）
插值是经典和许多非经典逻辑的重要性质，在计算机科学和人工智能中有着重要的应用。本文研究了非单调平衡逻辑系统的插值性质，根据推理关系的精确解释，建立了较弱或较强的插值形式。这些结果也产生了一种形式的插值地面逻辑程序下的回答集语义。对于析取逻辑程序，我们还研究了与变量遗忘概念密切相关的一致插值的性质。平衡逻辑的一阶版本具有类似的插值性质，只要平衡模型的集合是（一阶）可定义的。由于这是所谓的安全程序和理论的情况，因此它适用于实际答案集编程中出现的常见情况。
2014-01-16 cs.AI cs.LO
Dynamics of Belief: Abduction, Horn Knowledge Base And Database Updates
RWTH Aachen（亚琛工业大学）
信念和知识的动态是任何自治系统的主要组成部分之一，它应该能够吸收新的信息。为了将信念动力学理论的合理性结果应用到各种实际问题中，它应该在两个方面进行推广：第一，它应该允许信念的某一部分被声明为不变的;第二，信念状态不需要是演绎封闭的。本文提出了这样一种广义的信念动力学，称为基地动力学，随着知识库（霍恩或霍恩逻辑分层否定）的广义修正算法的概念。我们表明，知识库动态有一个有趣的连接，通过击中集和绑架的内核变化。在本文中，我们将展示如何从析取逻辑编程技术可以用于有效的（演绎）数据库更新。其核心思想是将给定的数据库连同更新请求一起转换成一个析取（数据库）逻辑程序，并应用析取技术（如最小模型推理）来解决原始的更新问题。该方法扩展并集成了标准技术，以实现高效的查询应答和完整性检查。一个击中集的生成是通过一个超tableaux演算和魔术集，专注于最小的目标。本文提供了一个比较研究的视图更新算法在理性的做法。为了理解溯因推理的基本概念，我们提供了一个知识库动力学的溯因框架。最后，我们展示了如何信念基础动力学可以提供一个公理化的表征插入一个视图原子的数据库。我们给出了信念改变的主要操作符的快速概述，特别是信念更新与数据库更新。
2015-01-27 cs.AI cs.DB cs.LO
Computing Horn Rewritings of Description Logics Ontologies
University of Oxford（牛津大学）
我们研究的问题重写本体O1表示在DL L1到本体O2在霍恩DL L2，使O1和O2是equisatifiable扩展时，与任意数据集。允许这种重写的本体服从于推理技术，以确保数据复杂性的易处理性。在L1扩展ALCF时显示不可判定性后，我们专注于设计有效的可检查条件，以确保霍恩重写的存在。通过提升现有的技术，将析取数据重写成普通数据的情况下，任意一阶程序与功能符号，我们确定了一类本体，承认霍恩重写多项式的大小。我们的实验表明，许多现实世界的本体满足我们的充分条件，从而承认多项式霍恩重写。
2015-04-21 cs.AI cs.LO
The DLV System for Knowledge Representation and Reasoning
本文介绍了DLV系统，它被广泛认为是最先进的实现析取逻辑编程，并解决几个方面。对于问题求解，给出了其核心语言的形式化定义，即无函数的析取逻辑程序（也称为析取数据库），并通过弱约束进行了扩展，是表达优化问题的有力工具。然后，我们说明了使用DLV作为知识表示和推理的工具，描述了一种新的声明式编程方法，它允许一个编码复杂的问题（$Δ^P_3$ -完整的问题）在声明式的方式。在基础方面，我们提供了一个详细的分析DLV的语言的计算复杂性，并通过推导新的复杂性结果，我们绘制了一个完整的图片的复杂性，这种语言和重要的片段。此外，我们说明了DLV系统的一般架构，已受到这些结果的影响。至于应用程序，我们概述了应用程序的前端已经开发的DLV上解决特定的知识表示任务，我们简要介绍了主要的国际项目调查的潜力，该系统的工业开发。最后，我们报告彻底的实验和基准测试，这已经进行了评估系统的效率。实验结果证实了DLV的可靠性，并突出了其在知识管理和信息集成等新兴应用领域的潜力。
2003-09-10 cs.AI cs.LO cs.PL
CP-logic: A Language of Causal Probabilistic Events and Its Relation to Logic Programming
Katholieke Universiteit Leuven（天主教鲁汶大学）
本文发展了一种表示概率因果律的逻辑语言。我们对这种语言的兴趣是双重的。首先，它可以作为因果知识表示的基础研究。因果关系具有内在的动态方面，Shafer在他的概率树框架中已经在语义层面上进行了研究。在这样一个动态的背景下，考虑到一个领域随时间的演变，因果律作为指导这种演变的东西的想法是很自然的。在我们的形式化，一组概率因果律可以用来表示一类概率树在一个简洁，灵活和模块化的方式。通过这种方式，我们的工作扩展了Shafer的语义对象提供了一个方便的逻辑表示。其次，这种语言也与概率逻辑编程领域相关。特别是，我们证明，在我们的语言的理论的形式语义可以等价地定义为概率分布在良好的基础模型的某些逻辑程序，使它正式非常类似于现有的语言，如ICL或PRISM。因为我们可以用一种完全独立的方式来激发和解释我们的语言，将其作为概率因果律的表示，这就为解释这种概率逻辑程序背后的直觉提供了一种新的方式：我们可以用非逻辑学家同样可以理解的术语来精确地说这种程序表达了哪些知识。此外，我们还获得了一个额外的一块知识表示方法的概率逻辑程序，通过展示他们如何表达概率因果律。
2009-04-10 cs.AI cs.LO
A Framework for Reasoning on Probabilistic Description Logics
University of Parma（帕尔马大学）；University of Ferrara（费拉拉大学）
虽然描述逻辑有几种推理机，但很少有能处理不确定性的。BUNDLE是一个推理框架，它可以利用几个OWL（非概率）推理机来执行概率描述逻辑的推理。在本章中，我们报告了BUNDLE中实现的最新进展。特别是，BUNDLE现在可以与TRILL系统的推理机接口，从而提供了一种统一的方法来使用不同的设置执行概率查询。BUNDLE可以很容易地扩展，既可以用作独立的桌面应用程序，也可以用作基于OWL API的应用程序中的库，这些应用程序需要对概率描述逻辑进行推理。推理性能很大程度上取决于推理机和计算概率的方法。我们提供了几个数据集上的不同推理设置的比较。
2020-10-02 cs.AI cs.LO
Syntactic Requirements for Well-defined Hybrid Probabilistic Logic Programs
University of Ferrara（费拉拉大学）
混合概率逻辑程序可以表示几个场景，这要归功于逻辑编程的表达能力，扩展了表示离散和连续分布的事实。这种类型的程序的语义是至关重要的，因为它确保可以为每个查询分配概率。在这里，最近的一个语义建议，我们说明了一个具体的语法，我们分析的语法要求，需要保持良好的定义。
2021-09-17 cs.AI cs.LO
