Inductive Logic Programming in Databases: from Datalog to DL+log
Università degli Studi di Bari（巴里大学）
在本文中，我们解决了一个问题，已经引起了数据库社区的注意，随着语义Web的出现，即本体论（和它们所传达的语义）如何帮助解决典型的数据库问题的问题，通过更好地了解KR方面相关的数据库。特别是，我们调查这个问题，从ILP的角度考虑两个数据库的问题，（i）的定义的意见和（ii）的定义的约束，为数据库的模式表示也通过本体。两者都可以重新表述为ILP问题，并可以受益于KR框架DL+log的表达和演绎能力。我们通过实例说明了应用场景。关键词：归纳逻辑程序设计，关系数据库，本体，描述逻辑，混合知识表示和推理系统。逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
2010-03-12 cs.AI cs.DB cs.LG
Reasoning about actions with EL ontologies with temporal answer sets
Università del Piemonte Orientale（东皮埃蒙特大学）；Università di Torino（都灵大学）
我们提出了一种基于回答集编程的方法，用于推理与域描述，包括本体知识，在轻量级描述逻辑EL^ \bot表示的行动。我们考虑一个时间的行动理论，它允许非确定性的行动和因果规则来处理后果，其扩展定义的时间答案集。我们提供的条件下，可以保证相对于本体的动作一致性，由一个多项式编码的动作理论扩展与EL^ \bot知识库（在范式）到一个时间的动作理论。
2021-07-18 cs.AI
Answering Fuzzy Queries over Fuzzy DL-Lite Ontologies
University of Milano-Bicocca（米兰比可卡大学）
知识表示中的一个突出问题是如何回答查询，同时考虑表示领域知识的本体的隐含后果。虽然这个问题已经在描述逻辑本体论的领域内得到了广泛的研究，但令人惊讶的是，在模糊或不精确知识的背景下，特别是从数学模糊逻辑的角度来看，它被忽视了。在本文中，我们研究的问题，回答合取查询和阈值查询w.r.t.模糊DL-Lite中的本体。具体来说，我们通过重写的方法，阈值查询回答w.r.t.在数据复杂度方面，一致的本体保持在$AC_0$中，但是合取查询应答高度依赖于所选择的三角范数，这对底层语义有影响。对于幂等的哥德尔t-范数，我们提供了一个有效的方法的基础上减少到经典的情况。这篇论文是在逻辑程序设计理论与实践（TPLP）中考虑的。
2021-11-23 cs.AI
Executable Ontologies in Game Development: From Algorithmic Control to Semantic World Modeling
本文提出利用可执行本体实现游戏开发中的语义世界建模，通过数据流条件实现任务中断，解决传统AI架构中的语义-过程鸿沟。
2026-01-12 cs.AI
Learning Onto-Relational Rules with Inductive Logic Programming
规则补充和扩展了语义Web上的本体。我们将这些规则称为本体关系，因为它们结合了基于DL的本体语言和支持逻辑编程和演绎数据库传统内的关系数据模型的知识表示形式。规则编写是一项要求非常高的知识工程任务，可以通过应用机器学习算法来部分自动化。在这一章中，我们将展示归纳逻辑程序设计（ILP），诞生于机器学习和逻辑程序设计的交叉点，并被认为是关系学习的主要方法，可以适应本体关系学习。为了说明，我们提供了一个具体的本体关系学习解决方案的问题，学习基于规则的定义DL概念和角色与ILP的细节。
2012-10-29 cs.AI cs.DB cs.LG
Behavior Trees vs Executable Ontologies: a Comparative Analysis of Robot Control Paradigms
本文对比命令式行为树与声明式可执行本体两种机器人控制范式，验证后者可达到与前者相当的反应性与模块化，且具备运行时修改等BTs难实现的特性，为解决传统机器人控制的语义-过程鸿沟提供替代框架。
2025-11-19 cs.AI cs.FL cs.RO
Building Trustworthy AI: Transparent AI Systems via Large Language Models, Ontologies, and Logical Reasoning (TranspNet)
Department of Data Science, Faculty of Science and Technology, Norwegian University of Life Sciences（数据科学系，科学与技术学院，挪威生命科学大学）
针对LLM在医疗、金融等高风险场景中的黑箱问题，本文提出融合符号AI、RAG、专家知识与ASP形式化推理的TranspNet流水线，以增强输出的可验证性、可解释性和可信度。
2024-12-18 cs.AI cs.ET
Theorem-Grounded Execution Ontologies for Interpretable Machine Reasoning
Independent Researcher（独立研究者）
提出TGEO框架，将推理建模为可执行状态转换过程，通过定理族识别、本体绑定、语义对象发现等步骤生成可解释推理图，实现可验证、可重放的AI推理。
2026-06-16 cs.AI cs.IR
Definitions and Semantic Simulations Based on Object-Oriented Analysis and Modeling
我们已经提出超越传统的本体使用丰富的语义实现程序设计语言建模。在本文中，我们讨论了两个例子，第一个结构化定义的瀑布和心肺系统的可执行语义模型的应用。我们研究这些模型的组成部分和这些组成部分相互作用的方式。最终，这些模式应成为直接代表的基础。
2019-12-31 cs.AI
Text-to-SQL Task-oriented Dialogue Ontology Construction
Heinrich Heine University Düsseldorf（海因里希-海涅大学杜塞尔多夫）
TeQoDO通过LLM自主构建面向任务的对话本体，结合模块化TOD系统概念，提升对话系统的可解释性和可控性。
2025-12-19 cs.AI cs.CL cs.DB
Cognitive Architecture for Decision-Making Based on Brain Principles Programming
Novosibirsk State University（新西伯利亚国立大学）；Sberbank of Russia（俄罗斯联邦储蓄银行）
我们描述了一个认知架构，旨在解决广泛的问题的基础上确定的大脑活动的五个原则，其实施在三个子系统：逻辑概率推理，概率形式概念和功能系统理论。构建架构涉及任务驱动方法的实现，该方法允许将所应用的应用的目标功能定义为根据与任务相对应的操作环境而制定的任务，该任务在应用本体中表达。我们提供了一个基本的本体的一些实际应用，以及基于它的主题域本体，描述了拟议的架构，并给出了可能的例子，这些应用程序在这个架构中的执行。
2022-06-19 cs.AI cs.CE
Development Of Ontology-Based Intelligent System For Software Testing
软件测试是软件产业的重要组成部分。除了了解测试的重要性外，只有有限的时间用于教授测试。如果测试与编程基础同时教授，效率会更高。这种测试技术和编程的综合学习允许程序员以更好的方式执行，这导致了行业进步的性能的提高。本文介绍了一种本体技术，该技术首先对测试过程进行层次化定义，并定义测试过程之间的关系，以实现知识的共享和重用，然后通过自然语言处理生成元数据，最后应用本体来支持测试管理。它作为多种环境的知识库，集成了编程基础和测试概念的教学。关键词：Meta Data，Ontology，软件测试，集成，编程基础.
2013-02-21 cs.AI cs.SE
A Goal-Directed Implementation of Query Answering for Hybrid MKNF Knowledge Bases
CENTRIA（里斯本新大学科学技术学院信息学系人工智能中心）；Faculdade Ciências e Tecnologias Universidade Nova de Lisboa（里斯本新大学科学技术学院）
在知识表示形式化中，本体和规则通常是松散耦合的。事实上，本体使用开放世界推理，而规则的主要语义使用非单调的封闭世界推理。一个例外是最小知识和否定失败（MKNF）的紧密耦合框架，它允许通过从本体论和规则推理的蕴涵来共同推导关于个人的陈述。尽管如此，MKNF的实际用途并不总是很清楚，虽然最近的工作已经正式确定了一个一般的基于解析的方法，用于查询MKNF时，规则采取有根据的语义，本体是由一个通用的甲骨文建模。这项工作留下了开放的算法，应该使用相关的本体论和推理的规则的蕴涵。在本文中，我们提供了这样的算法，并描述了一个查询驱动的系统，CDF规则，混合知识库相结合的（非单调）的规则下，有根据的语义和（单调）本体论，由CDF Type-1（ALQ）理论表示的实施。逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
2012-11-01 cs.AI
What is an Ontology?
在知识工程界，“本体论”通常被定义为“概念化的显式规范”。这个定义有几种不同的形式。在本文中，我们认为（除了一个明显的例外）这些定义没有解释价值，因为它们违反了好的定义的基本规则之一：定义语句（definiens）应该比被定义的术语（definiendum）更清楚。在本文中，我们提出了一个不同的定义“本体论”，并讨论它如何有助于解释各种现象：本体论的能力变化，词汇的选择的作用，注释的意义，合作本体论发展的可能性，以及本体论概念主义和本体论实在论之间的关系。
2018-10-22 cs.AI
OntoScene, A Logic-based Scene Interpreter: Implementation and Application in the Rock Art Domain
University of Milano Bicocca（米兰比可卡大学）；University of Genova（热那亚大学）
我们提出OntoScene，一个框架，旨在理解语义的视觉场景从语义的元素和它们之间的空间关系举行。OntoScene利用本体来表示知识，利用Prolog来指定领域专家可能采用的解释规则，并实现SceneInterpreter引擎。本体论允许设计者以可重用的方式形式化域，并使系统模块化，并与现有的多智能体系统互操作，而Prolog提供了一个坚实的基础，以定义复杂的解释规则的方式，可以负担得起的，即使是没有计算逻辑背景的人。选择进行OntoScene实验的领域是史前岩石艺术，它为我们提供了一个迷人而具有挑战性的试验平台。逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
2019-11-05 cs.AI cs.CV cs.LO
Evaluating Datalog Tools for Meta-reasoning over OWL 2 QL
University of Klagenfurt（克拉根福大学）
本文评估多种逻辑编程工具作为 OWL 2 QL 元建模语义蕴含机制查询回答后端的适用性，证明 Datalog 方法在有限资源下对大型本体具有实用性。
2024-02-05 cs.AI cs.LO
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
Cognitive Architecture for Decision-Making Based on Brain Principles Programming (in Russian)
Novosibirsk State University（新西伯利亚国立大学）；Sberbank of Russia（俄罗斯联邦储蓄银行）
我们描述了一个认知架构，旨在解决广泛的问题的基础上确定的大脑活动的五个原则，其实施在三个子系统：逻辑概率推理，概率形式概念和功能系统理论。构建架构涉及任务驱动方法的实现，该方法允许将所应用的应用的目标功能定义为根据与任务相对应的操作环境而制定的任务，该任务在应用本体中表达。我们提供了一个基本的本体的一些实际应用，以及基于它的主题域本体，描述了拟议的架构，并给出了可能的例子，这些应用程序在这个架构中的执行。
2023-02-18 cs.AI cs.HC cs.SY
Implementing Knowledge Representation and Reasoning with Object Oriented Design
AICOR Institute for Artificial Intelligence（AICOR人工智能研究所）；University of Bremen（不莱梅大学）
KRROOD通过面向对象设计实现知识表示与推理，有效整合了软件工程与KR&R系统，支持复杂任务学习和自主系统推理。
2026-01-21 cs.AI cs.RO cs.SE
Symbolic-AI-Fusion Deep Learning (SAIF-DL): Encoding Knowledge into Training with Answer Set Programming Loss Penalties by a Novel Loss Function Approach
Department of Data Science, Faculty of Science and Technology, Norwegian University of Life Sciences（数据科学系，科学与技术学院，挪威生命科学大学）
提出 SAIF-DL 混合方法，利用本体和 ASP 将领域规则与逻辑约束编码为损失惩罚，以增强深度学习训练，并实现跨领域可扩展适配。
2024-12-18 cs.AI cs.ET
Nemo: First Glimpse of a New Rule Engine
TU Dresden（德累斯顿工业大学）
Nemo 是一个用 Rust 编写、免费开源的新型逻辑编程引擎，采用声明式 Datalog 方言，在笔记本电脑上可处理 10^5 至 10^8 条事实的知识图谱推理，性能达到或超过领先系统。
2023-08-30 cs.AI cs.DB cs.LO
Ontology-Based Skill Description Learning for Flexible Production Systems
Siemens AG（西门子股份公司）
资源节约型生产的重要性日益增加，这要求制造企业必须创造一个更具活力的生产环境，并采用灵活的制造机器和流程。为了通过自动生产计划充分利用动态制造的这种潜力，机器的正式技能描述是必不可少的。然而，以手动方式生成这些技能描述是劳动密集型的，并且需要广泛的领域知识。在这方面的贡献，基于本体的半自动技能描述系统，利用生产日志和工业本体通过归纳逻辑程序设计的介绍和所提出的解决方案的优点和缺点进行评估。
2021-11-25 cs.AI cs.LG
Phylotastic: An Experiment in Creating, Manipulating, and Evolving Phylogenetic Biology Workflows Using Logic Programming
New Mexico State University（新墨西哥州立大学）
进化生物学家长期以来一直在努力以灵活的方式开发分析工作流程，从而促进系统发育知识的重用。一个进化生物学工作流程可以被看作是一个计划，其中组成的Web服务，可以检索，操作，并产生系统发育树。Phylotastic项目于两年前启动，是进化生物学家和计算机科学家之间的合作，目标是开发一个开放式架构，以促进创建此类分析工作流程。虽然Web服务的组合是一个已经在文献中广泛探讨的问题，包括在逻辑编程领域，但Phylotastic中的问题的具体化提供了许多额外的挑战。随着需要在所需工作流的描述中集成偏好和形式本体，进化生物学家倾向于以增量方式构建工作流，通过连续地细化工作流，通过指示所需的变化（例如，排除某些服务，修改所需的输出）。这导致需要连续迭代的增量重新规划，以开发一个新的工作流程，该工作流程集成了所请求的更改，同时最大限度地减少了对原始工作流程的更改。本文阐述了Phylotastic如何解决使用逻辑编程技术创建和完善系统发育分析工作流程的挑战，以及如何在Phylotastic项目的总体框架内使用这些解决方案。逻辑程序设计理论与实践（TPLP）
2018-05-01 cs.AI cs.LO cs.PL
OWLOOP: A Modular API to Describe OWL Axioms in OOP Objects Hierarchies
University of Genoa（热那亚大学）；Teseo s.r.l.（Teseo有限公司）
OWLOOP是一个应用程序编程接口（API），用于通过面向对象编程（OOP）的方式使用本体Web语言（OWL）。通常使用OOP范式设计软件架构以增加其模块性。如果体系结构的组件也利用OWL本体进行知识表示和推理，则它们需要与OWL公理接口。由于OWL不遵循OOP范式，这样的接口通常会导致影响模块化的样板代码，而OWLOOP旨在解决这个问题以及相关的计算方面。我们提出了一个扩展的OWL-API提供一个通用的接口之间的OWL公理推理和模块化的OOP对象层次结构。
2021-12-31 cs.AI cs.LO cs.SE
Reasoning on Multi-Relational Contextual Hierarchies via Answer Set Programming with Algebraic Measures
Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）；Technische Universität Wien（维也纳工业大学）
处理上下文相关的知识导致了不同的形式化的概念的背景。其中之一是情境化知识库（CKR）框架，它植根于描述逻辑，但在推理方面与逻辑程序，特别是回答集编程（ASP）有很强的联系。CKR框架迎合了上下文中具有可废止公理和例外的推理，并将其扩展到覆盖（特异性）层次结构中的跨上下文知识继承。然而，该方法只支持这种单一类型的上下文关系和推理程序的工作仅限于层次结构，由于非平凡的问题与模型的偏好下的异常。在本文中，我们克服了这些限制，并提出了一个推广的CKR层次结构的多个上下文关系，以及他们的解释，可废止的公理和偏好。为了支持推理，我们使用ASP与代数措施，这是一个最近的扩展ASP加权公式半环，允许一个关联的数量与解释取决于命题原子的真值。值得注意的是，我们表明，CKR层次结构与多个上下文关系的相关片段，查询回答可以实现与流行的asprin框架。代数措施的方法是更强大的，并使例如推理与认知查询CKR，这打开了有趣的角度使用定量ASP扩展在其他应用程序。
2021-12-21 cs.AI cs.LO
Ontology-driven Information Extraction
University of Calabria（卡拉布里亚大学）；AGH University of Science and Technology（AGH科技大学）
同构非结构化数据（HUD）是共享共同属性（例如相似布局、共同文件格式或共同值域）的非结构化文档的集合。在这些属性的基础上，最好自动处理HUD，以通过称为语义视图的语义层（通常是本体）访问主要信息。因此，我们提出了一种基于本体的方法，用于从HUD中提取语义丰富的信息，通过集成和扩展经典信息抽取，表识别，本体，文本注释和逻辑编程领域的最新技术和成果。此外，我们设计和实现了一个系统，名为KnowRex，已成功地应用到简历中的Europass风格，提供一个语义视图，他们能够，例如，选择那些表现出所需的技能。
2015-12-18 cs.AI cs.IR
On the Foundations of Conflict-Driven Solving for Hybrid MKNF Knowledge Bases
University of Alberta（阿尔伯塔大学）
本文为混合MKNF知识库提出冲突驱动求解的理论基础，通过完成公式与循环公式刻画MKNF模型，并构建nogoods集合以支撑求解器。
2024-08-19 cs.AI
Conflict-driven Inductive Logic Programming
ILASP Limited（ILASP有限公司）
归纳逻辑程序设计（ILP）的目标是学习一个解释一组示例的程序。直到最近，大多数关于ILP的研究都是针对学习Prolog程序的。ILASP系统学习答案集程序（ASP）。学习这种表达程序大大拓宽了ILP的适用性;例如，使偏好学习，学习常识知识，包括默认和异常，以及学习非确定性理论。ILASP的早期版本可以被认为是元级ILP方法，它将学习任务编码为逻辑程序，并将搜索委托给ASP求解器。最近，ILASP已经转向一种新的方法，受到冲突驱动的SAT和ASP求解器的启发。该方法的基本思想，称为迭代驱动的ILP（CDILP），是迭代交错搜索的假设与生成的约束，解释为什么当前的假设不包括一个特定的例子。这些覆盖范围限制允许ILASP不仅排除当前假设，而且排除不满足覆盖范围限制的整个假设类别。本文形式化的CDILP方法，并提出了ILASP 3和ILASP 4系统的CDILP，这被证明是更可扩展的比以前的ILASP系统，特别是在存在噪声。逻辑程序设计理论与实践（TPLP）
2022-01-14 cs.AI
An Application of ASP Theories of Intentions to Understanding Restaurant Scenarios: Insights and Narrative Corpus
Miami University（迈阿密大学）；College of Engineering & Computing（工程与计算学院）
本文介绍了一个实际应用的答案集编程的理解有关餐馆的叙述。虽然Erik Mueller对这个任务进行了深入的研究，但特殊的场景仍然是他基于剧本的故事理解系统的一个严重挑战。我们提出了一种方法，解决这个问题，通过建模字符在一个餐厅插曲故意代理。我们特别关注这种方法的某些组成部分的改进，以增加覆盖面和性能。我们提出了一个餐厅的故事语料库，我们创建设计和评估我们的方法。逻辑程序设计理论与实践（TPLP）
2018-09-30 cs.AI
Query Answering with Inconsistent Existential Rules under Stable Model Semantics
Sun Yat-sen University（中山大学）；Huazhong University of Science and Technology（华中科技大学）；Fudan University（复旦大学）；Werstern Sydney University（西悉尼大学）
传统的基于本体的数据访问中的不一致容忍查询应答依赖于选择与本体一致的ABox/数据库的最大组件。然而，本体中的一些规则可能是不可靠的，如果它们是从本体学习中提取的或由不熟练的知识工程师编写的。在本文中，我们提出了一个框架，处理不一致的存在规则下的稳定模型语义，这是定义了一个概念称为规则修复，以选择最大组件的存在规则。令人惊讶的是，对于R-分层的R-非循环存在规则或分层否定的保护存在规则，在规则{修复语义}下的查询回答的数据复杂度和组合复杂度保持与传统的查询回答语义相同。这导致我们提出了几种方法来处理规则{修复语义}通过调用答案集编程求解器。实验结果表明，这些方法具有良好的可扩展性的查询回答下的规则修复的现实情况。
2016-02-18 cs.AI
ValAsp: a tool for data validation in Answer Set Programming
University of Calabria（卡拉布里亚大学）
复杂软件的开发需要促进快速失败方法的工具，以便可以快速识别和修复错误和意外行为。数据验证工具可能会拯救计算机程序员。事实上，处理无效数据充其量是浪费资源，如果问题仍然没有被注意到，错误的结果被用于业务，那么最坏的情况就是戏剧性的。答案集编程（ASP）也不例外，但对越来越好的性能的追求导致了基本上不验证数据的系统。即使在输入/输出数据最终由外部工具验证的简单假设下，无效数据也可能出现在程序的其他部分，并且直到所设计软件的其他模块突然中断才被检测到。本文对ASP程序的数据验证问题进行了形式化的描述，介绍了一种描述数据验证的语言，并给出了一个在普通程序中注入数据验证的工具\textsc{valasp}。所提出的方法，促进故障快速技术在编码时，不施加任何滞后的部署系统，如果数据被假装是有效的。验证可以使用YAML，ASP和Python在语句中指定。此外，所提出的方法打开了使用ASP验证命令式程序设计语言的数据的可能性。正在考虑接受TPLP。
2022-02-19 cs.AI cs.LO
DAOnt: A Formal Ontology for EU Data Act Compliance
Universidad Politécnica de Madrid（西班牙马德里理工大学）
本文提出DAOnt本体，通过机器可读表示支持数据共享协议的推理，复用LKIF-Core、ODRL和DPV本体元素，实现数据法案合规性检查。
2026-03-27 cs.AI cs.CY cs.DB
Translating OWL and Semantic Web Rules into Prolog: Moving Toward Description Logic Programs
The MITRE Corporation（MITRE公司）
出现在逻辑编程理论与实践（TPLP），2008年。我们正在研究语义Web的规则和本体层之间的交互，通过比较两种选择：1）使用OWL及其规则扩展SWRL来开发集成的本体/规则语言，以及2）使用RuleML和OWL在本体之上分层规则。为此，我们正在开发的SWORIER系统，它使有效的本体和规则的自动推理，通过将所有这些翻译成Prolog，并添加一组一般规则，正确捕捉OWL的语义。我们还使用户能够在运行时间进行动态更改。这项工作解决了几个问题，在以前的工作中表示，如否定，互补类，析取头，和基数，它讨论了处理知识库中的不一致的替代方法。此外，为了提高效率，我们实现了称为扩展的技术，避免重新分析和代码最小化。
2007-11-21 cs.AI
DeepOnto: A Python Package for Ontology Engineering with Deep Learning
University of Oxford（牛津大学）；The University of Manchester（曼彻斯特大学）；Samsung Research（三星研究院）
针对现有本体工具缺乏深度学习适配能力、跨语言生态不兼容的问题，本文提出Python工具包DeepOnto，基于OWL API封装扩展本体处理能力，集成预训练语言模型等深度学习方法支持本体工程任务，并通过两个实际用例验证其实用性。
2024-03-09 cs.AI cs.CL cs.LG
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
An ASP Methodology for Understanding Narratives about Stereotypical Activities
Miami University（迈阿密大学）；Saint Joseph’s University（圣约瑟夫大学）；Drexel University（德雷塞尔大学）
我们描述了一个应用程序的答案集编程的理解有关的刻板活动的叙述，表现出通过问答。埃里克·穆勒（Erik Mueller）在这方面做了大量工作，他将刻板的活动建模为脚本。他的系统能够理解大量的叙述，但无法处理描述特殊场景的文本。我们建议解决这个问题，使用的意图理论开发的布朗特，Gelfond，和Balduccini。我们提出了一种方法，在这种方法中，我们用活动代替脚本（即，与目标相关联的层次计划），并采用意向代理人的概念来推理正常和异常场景。我们通过回答一些关于餐馆故事的问题来验证这种方法的应用。本文件正在考虑被TPLP接受。
2018-04-26 cs.AI
The Ontology for Agents, Systems and Integration of Services: OASIS version 2
University of Catania（卡塔尼亚大学）
本文介绍OASIS本体第2版，阐述其基于行为主义视角对智能体操作能力与承诺进行语义建模的主要选择，并总结该本体在区块链本体等领域的应用进展。
2024-02-20 cs.AI cs.LO
Reasoning on $\textit{DL-Lite}_{\cal R}$ with Defeasibility in ASP
Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）；Technische Universität Wien（维也纳工业大学）
关于可废止知识的推理是描述逻辑领域的一个研究课题，因为它涉及到在知识库中表示例外实例的需要。在这个方向上，在我们以前的作品中，我们提出了一个框架表示（上下文）OWL RL知识库的概念，合理的例外可废止公理：在这样的框架中的推理是通过翻译到ASP程序实现的。然而，OWL RL的推理过程引入了复杂的编码，以捕获对异常推理所需的负面信息的推理。在本文中，我们将合理例外方法应用于$\textit{DL-Lite}_{\cal R}$中的知识库，即，OWL QL的基础语言。给出了具有可废止公理的$\textit{DL-Lite}_{\cal R}$知识库的定义，并研究了其语义和计算性质。特别是，我们研究了对未命名的个人的异常的影响。有限形式的$\textit{DL-Lite}_{\cal R}$公理允许我们制定一个更简单的ASP编码，其中推理的负面信息管理的直接规则。由此产生的具体化方法产生了一个完整的推理过程，例如检查$\textit{DL-Lite}_{\cal R}$与可废止公理。逻辑程序设计理论与实践（TPLP）
2021-06-30 cs.AI cs.LO
A Unified Framework for Nonmonotonic Reasoning with Vagueness and Uncertainty
Indian Statistical Institute（印度统计研究所）；Jadavpur University（贾达夫普尔大学）
针对模糊和不确定信息下的非单调推理问题，提出了一种区间值模糊答案集规划方法。$[0,1]$的子区间集被认为是真值空间。使用基于前序的真值和知识排序对区间进行排序。基于前序的排序是基于双格的排序的增强版本。该系统可以表示和推理优先规则，规则与例外。提出了一种计算答案集的迭代法。利用差分方程的概念，给出了一类逻辑程序迭代终止的充分条件。
2020-08-05 cs.AI
Outlier Detection by Logic Programming
近年来，有效的知识发现技术的发展已经成为一个非常活跃的研究领域，因为它在几个相关的应用领域具有重要的影响。其中一个有趣的任务是从给定的群体中挑出异常个体，例如，检测时间序列分析设置中的罕见事件，或识别行为异常的对象。一套标准的“社会”规则。在文献中，这种例外的个体通常被称为离群值。最近，离群点检测也成为一个相关的KR&R问题。在本文中，我们正式状态的概念离群值的推广在几个方面最近提出的方法的背景下，默认逻辑，例如，通过离群值不限于单个个体，而是在更一般的情况下，对应于整个（子）理论。我们这样做的逻辑编程的背景下，主要是通过例子，我们讨论其潜在的实际影响的应用。我们提出的形式化是一种新颖的形式化，有助于揭示离群值的真实性质。此外，作为这项工作的一个主要贡献，我们说明了利用最小准则在离群点检测。在这种新的设置中出现的离群点检测问题的计算复杂性进行了深入的研究，并占在该文件以及。最后，我们还提出了一个重写算法，将任何离群点检测问题转换为稳定模型语义下的等价推理问题，从而使离群点计算在任何稳定模型求解器上都是有效和可实现的。
2005-10-13 cs.AI cs.LO
The role of semantics in mining frequent patterns from knowledge bases in description logics with rules
Poznan University of Technology（波兹南理工大学）
我们提出了一种新的方法来挖掘频繁模式的语言，结合语义Web本体和规则。特别是，我们考虑使用的语言相结合的描述逻辑与DL安全的规则的设置。此设置对于语义Web的数据采掘的实际应用非常重要。我们专注于频繁模式发现的任务的表示形式主义的语义的关系，并为我们的方法的核心，我们提出了一种算法，利用组合知识库的语义。我们已经开发了一个概念验证数据采掘实现这一点。使用这一点，我们已经经验表明，使用组合的知识库进行语义测试，可以使数据采掘更快的修剪无用的候选模式之前，他们的评价。我们还表明，所产生的模式集的质量可以得到改善：模式更紧凑，并且模式更少。我们的结论是，利用所选择的表示形式主义的语义（上）关系频繁模式发现方法的设计和应用的关键。逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
2010-04-01 cs.AI cs.LO
Inductive Learning of Answer Set Programs from Noisy Examples
Imperial College London（伦敦帝国理工学院）
近年来，非单调归纳逻辑程序设计受到了越来越多的关注。具体来说，已经引入了几种新的学习框架和算法，用于在答案集语义下学习，允许学习涉及默认和异常的常识知识，这是人类推理的基本方面。在本文中，我们提出了一个噪声容忍概括的学习答案集框架。我们评估我们的ILASP3系统，在合成和真实的数据集，在新的框架中表示。特别是，我们表明，在许多数据集ILASP3实现了更高的准确性比其他ILP系统，以前已被应用到数据集，包括最近提出的微分学习框架。
2018-08-25 cs.AI
OWLOOP: Interfaces for Mapping OWL Axioms into OOP Hierarchies
University of Genoa（热那亚大学）
本文提出OWLOOP API，利用工厂机制在不限制推理算法的前提下，将OWL公理映射到OOP接口，减少范式转变并提升软件架构模块化，通过机器人示例验证其优缺点。
2024-04-19 cs.AI cs.LO cs.RO
