Neural logic programs and neural nets
Vienna University of Technology（维也纳工业大学）
该研究聚焦神经符号整合问题，定义布尔神经网络的回答集语义，从基本原理引入一类神经逻辑程序并证明二者等价，为神经符号融合提供理论支撑。
2024-06-13 cs.AI cs.LG cs.LO
Learning logic programs by combining programs
University of Oxford（牛津大学）
针对归纳逻辑程序设计难以学习多规则、多文字程序的问题，本文提出先学习小型不可分离程序再加以组合的约束驱动 ILP 方法，支持最优、递归程序及谓词发明，并在多领域显著提升准确率与学习速度。
2023-08-17 cs.AI cs.LG cs.LO
Computing with Logic as Operator Elimination: The ToyElim System
Technische Universität Dresden（德累斯顿工业大学）
描述了一个原型系统，其核心功能是，基于命题逻辑，消除二阶运算符，如布尔量词和投影，遗忘和限制操作。这种方法允许在知识表示中表达许多表示和计算任务-例如关于逻辑编程语义的溯因解释和模型的计算-在统一的操作系统中，由统一的经典语义框架支持。
2011-08-24 cs.AI cs.LO
Stable models and an alternative logic programming paradigm
在本文中，我们重新审视的地方和作用的稳定模型语义在逻辑编程和对比，它与最少Herbrand模型的方法霍恩程序。我们证明了稳定模型语义的固有特征自然会导致一个逻辑编程系统，提供了一个有趣的替代更传统的逻辑编程风格的霍恩逻辑编程，分层逻辑编程和逻辑编程与良好的基础语义。所提出的方法是基于程序条款的约束的解释。在这种情况下，程序不描述一个单一的预期模型，而是一系列稳定的模型。这些稳定的模型编码解决方案的约束满足的问题所描述的程序。我们的方法对逻辑程序的语法施加了限制。特别是，函数符号被从语言中删除。我们认为，由此产生的逻辑编程系统是很好地协调NP类的问题，有一个定义明确的应用领域，和一个新兴的编程方法。我们指出，是什么使整个方法可行的算法来计算命题逻辑程序的稳定模型的实现的最新进展。
1998-09-18 cs.AI cs.LO
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
A Rational Entailment for Expressive Description Logics via Description Logic Programs
ISTI - CNR（意大利国家研究委员会信息科学与技术研究所）；CAIR - University of Cape Town（开普敦大学CAIR）
Lehmann和Magidor的有理闭包被认为是非单调逻辑领域的一个里程碑，它也在描述逻辑（DL）的背景下被重新表述。我们在这里展示了如何建模的合理形式的蕴涵表达DL，如SROIQ，提供了一种新的推理过程，编译成一个描述逻辑程序（DL程序）的非单调DL知识库。
2021-06-28 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
A note on the Declarative reading(s) of Logic Programming
本文分析了逻辑程序设计的说明性阅读。逻辑编程--以及作为失败的否定--没有唯一的声明性阅读。一个普遍的观点是，逻辑编程是默认推理的逻辑，默认逻辑或自动认知逻辑的子形式主义。在这种观点中，作为失败的否定是一个模态算子。在另一种观点中，逻辑程序被解释为定义。在这种观点中，作为失败的否定是经典的客观否定。从常识的角度来看，这两种观点肯定是有区别的。令人惊讶的是，这两种类型的声明性阅读都导致了相同的模型语义。本说明调查了这一情况的原因。
2000-03-13 cs.AI cs.LO
Logic Programming for Describing and Solving Planning Problems
一个逻辑编程范式，表示解决问题的稳定模型，最近已被提升为一个声明性的方法来解决各种组合和搜索问题，包括规划问题。在这种范式中，所有的程序规则被认为是约束和解决方案是稳定的模型的规则集。这与逻辑编程的标准范式有着相当大的不同。在本文中，我们重新溯因逻辑编程，并认为它允许一种编程风格，这是声明性的编程基于稳定的模型。然而，在溯因逻辑编程中，有两种规则。一方面是谓词定义（可能依赖于可溯物），它只不过是标准的逻辑程序（当包含否定时，具有非单调语义）;另一方面是约束可溯物模型的规则。在这个意义上，溯因逻辑编程是逻辑编程标准范式的平滑扩展，而不是彻底的背离。
2000-03-08 cs.AI cs.LO
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
Bayesian Logic Programs
贝叶斯网络提供了一个优雅的形式主义表示和推理的不确定性使用概率论。它们是命题逻辑的概率扩展，因此继承了命题逻辑的一些局限性，例如难以表示对象和关系。我们引入了贝叶斯网络的一般化，称为贝叶斯逻辑程序，以克服这些限制。为了表示对象和关系，它通过在基础原子和随机变量之间建立一对一的映射，将贝叶斯网络与确定性子句逻辑相结合。我们表明，贝叶斯逻辑程序结合了确定子句逻辑和贝叶斯网络的优点。这包括模型的定量和定性方面的分离。此外，贝叶斯逻辑程序推广贝叶斯网络以及逻辑程序。所以，很多想法
2001-11-23 cs.AI cs.LO
Proceedings 40th International Conference on Logic Programming
University of Texas at Dallas（德克萨斯大学达拉斯分校）
该论文集收录第40届国际逻辑程序设计会议（ICLP）的技术内容，涵盖逻辑程序设计的语义、语言设计、程序分析及实现方法学等领域，展现该领域的最新研究成果。
2025-02-11 cs.AI cs.LO
Proceedings 38th International Conference on Logic Programming
ICLP是展示逻辑编程研究的首要国际活动。对ICLP 2022的贡献是在逻辑编程的所有领域，包括但不限于：基础：语义学，形式主义，非单调推理，知识表示。语文问题：并发，对象，协调，移动性，高阶，类型，模式，断言，模块，元编程，基于逻辑的特定领域语言，编程技术。编程支持：程序分析、转换、验证、验证、分析、测试、执行可视化。实施情况：编译、虚拟机、存储管理、并行和分布式执行、约束处理规则、制表、外部接口、用户界面。相关范例和协同作用：归纳和共归纳逻辑编程，约束逻辑编程，答案集编程，与SAT，SMT和CSP求解器的交互，定理证明，论证，概率编程，机器学习。应用领域：数据库、大数据、数据集成和联邦、软件工程、自然语言处理、Web和语义网、代理、人工智能、计算生命科学、网络安全、机器人技术、教育。
2022-08-04 cs.AI cs.LO
Every Formula-Based Logic Program Has a Least Infinite-Valued Model
Universität Tübingen（图宾根大学）；Wilhelm-Schickard-Institut（威廉·席卡德研究所）
每一个确定的逻辑程序都有一个关于程序独立排序“集合包含”的最小Herbrand模型作为其意义。在正常的逻辑程序的情况下，一般不存在最小模型。然而，根据Rondogiannis和Wadge最近的一种方法，他们考虑了无限值模型，每个正常的逻辑程序都有一个关于程序独立排序的最小模型。我们表明，这种方法可以扩展到基于公式的逻辑程序（即，A \leftarrowF形式的规则的有限集合，其中A是原子，F是任意的一阶公式）。我们为给定的程序P构造了一个解释M_P，并表明它是P的所有模型中最小的。关键词：逻辑编程、程序语义、失败即否定、无限值逻辑、集合论
2011-08-31 cs.AI cs.LO
Algebraic characterizations of least model and uniform equivalence of propositional Krom logic programs
Vienna University of Technology（维也纳工业大学）
该研究针对命题Krom逻辑程序，给出了其最小模型、包含关系与一致等价的代数刻画结果。
2023-12-11 cs.AI cs.LO
Introduction to the 26th International Conference on Logic Programming Special Issue
IMDEA Software Institute（IMDEA软件研究所）；U. Politécnica de Madrid (UPM)（马德里理工大学）；University of Potsdam（波茨坦大学）
这是第26届逻辑程序设计国际会议特刊的序言
2010-08-10 cs.AI cs.LO
On syntactically similar logic programs and sequential decompositions
本文从逻辑程序的序列分解出发构建语法相似性的定性与代数概念，证明其可通过一步归约实现跨领域查询解答，推动了逻辑程序代数理论的发展。
2023-12-11 cs.AI cs.LO
Proceedings 37th International Conference on Logic Programming (Technical Communications)
ICLP是展示逻辑编程研究的首要国际活动。对ICLP 2021的贡献是在逻辑编程的所有领域，包括但不限于：基础：语义学，形式主义，非单调推理，知识表示。语文问题：并发，对象，协调，移动性，高阶，类型，模式，断言，模块，元编程，基于逻辑的特定领域语言，编程技术。编程支持：程序分析、转换、验证、验证、分析、测试、执行可视化。实施情况：编译、虚拟机、存储管理、并行和分布式执行、约束处理规则、制表、外部接口、用户界面。相关范例和协同作用：归纳和共归纳逻辑编程，约束逻辑编程，答案集编程，与SAT，SMT和CSP求解器的交互，定理证明，论证，概率编程，机器学习。应用领域：数据库、大数据、数据集成和联邦、软件工程、自然语言处理、Web和语义网、代理、人工智能、计算生命科学、网络安全、机器人技术、教育。
2021-09-15 cs.AI 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
The CIFF Proof Procedure for Abductive Logic Programming with Constraints: Theory, Implementation and Experiments
Università di Pisa（比萨大学）；Imperial College London（帝国理工学院）；University of Amsterdam（阿姆斯特丹大学）
给出了带约束的溯因逻辑程序设计的CIFF证明过程，并证明了其正确性。CIFF是溯因逻辑编程的IFF证明过程的扩展，放松了对变量量化（允许条件）的原始限制，并结合了约束求解器来处理约束逻辑编程中的数值约束。最后，我们描述了CIFF系统，将其与最先进的溯因系统和答案集求解器进行比较，并展示了如何使用它来编程一些应用程序。(To《逻辑程序设计理论与实践》（Theory and Practice of Logic Programming，TPLP）
2009-06-05 cs.AI cs.LO
Characterising equilibrium logic and nested logic programs: Reductions and complexity
Universidad Politécnica de Madrid（马德里理工大学）；Technische Universität Wien（维也纳技术大学）
平衡逻辑是一种非单调推理的方法，它扩展了逻辑程序的稳定模型和答案集语义。特别是，它包括嵌套逻辑程序的一般情况下，任意布尔组合是允许在头部和身体的规则，作为特殊类型的理论。在本文中，我们提出了多项式减少的主要推理任务与平衡逻辑和嵌套的逻辑程序到量化命题逻辑，扩展经典命题逻辑的原子公式的量化是允许的。我们不仅为决策问题提供约简，而且为平衡逻辑和嵌套逻辑程序的中心语义概念提供约简。特别是，我们的编码映射一个给定的决策问题到一些公式，后者是有效的，正是在前者举行。我们在这里处理的基本任务是一致性问题，勇敢推理和怀疑推理。此外，我们还提供了编码测试等价的理论或程序下的不同概念的等价性，即普通，强，一致等价。对于所有考虑的推理任务，我们分析了它们的计算复杂性，并给出了严格的复杂性界限。
2009-06-13 cs.AI cs.LO
Interdefinability of defeasible logic and logic programming under the well-founded semantics
Wright State University（莱特州立大学）；The University of Georgia（佐治亚大学）
我们提供了一种将努特的可废止逻辑理论转化为逻辑程序的方法，以及相应的反方向的翻译。在一定的自然约束下，歧义传播可废止逻辑ADL下的可废止理论的结论与正常逻辑程序的良基语义的结论是一致的，这说明这两种形式主义是密切相关的。使用逻辑程序到可废止理论的相同翻译，用于歧义性阻塞可废止逻辑NDL的语义可以被视为间接地为逻辑程序提供歧义性阻塞语义。我们还提供反单调算子的ADL和NDL，每个基于Gelfond-Lifschitz（GL）运营商的逻辑程序。对于没有规则上的失败者或优先级的可废止理论，ADL的运算符对应于GL运算符，因此可以被视为根据ADL部分捕获结果。类似地，NDL的运算符根据NDL捕获结果，尽管在这种情况下对理论没有限制。这两个算子都可以用来定义可废止理论的稳定模型语义。
2011-06-10 cs.AI cs.LO
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
Sequential decomposition of propositional logic programs
Vienna University of Technology（维也纳工业大学）
本文通过研究程序间在半群理论中著名的Green关系$\mathcal{L,R,J}$，探讨了命题逻辑程序的顺序分解问题，为迈向逻辑程序设计的代数理论迈出了进一步的一步。
2023-09-14 cs.AI cs.LO
Applications of Intuitionistic Temporal Logic to Temporal Answer Set Programming
University of Corunna, Spain（科鲁纳大学）；University of Angers, France（昂热大学）；University of Barcelona, Spain（巴塞罗那大学）；University of Potsdam, Germany（波茨坦大学）
本文通过时态平衡逻辑探讨时态答案集编程的逻辑基础，将直觉逻辑与时态逻辑编程相结合，提出新的研究方向。
2026-03-16 cs.AI cs.LO
ALPprolog --- A New Logic Programming Method for Dynamic Domains
University of Oxford（牛津大学）；The University of New South Wales（新南威尔士大学）
逻辑编程是一个强大的编程范例自主智能体在动态领域，如Golog和Flux语言见证。在这项工作中，我们提出了ALPprolog，一个富有表现力的，但有效的，逻辑程序设计语言的代理，必须对不完整的信息和传感器动作的原因在线控制。
2011-07-26 cs.AI cs.LO
Strong Equivalence of Logic Programs with Ordered Disjunction: a Logical Perspective
National and Kapodistrian University of Athens（雅典国立卡波迪斯特里安大学）；University of Ioannina（约阿尼纳大学）
有序析取逻辑程序是对经典逻辑程序的扩展，它具有在程序规则头部表示优先析取的能力。LPOD的初始语义虽然简单且非常直观，但并不是纯粹的模型理论。这样做的后果是，程序的某些属性似乎不平凡的形式化在纯粹的逻辑术语。这种情况的一个例子是LPOD强等价概念的特征。虽然Faber等人（2008）的结果是准确的，但它们没有将LPOD的强等价性表征为某些特定逻辑中的逻辑等价。这与经典逻辑程序的强等价性的著名特征形成了鲜明的对比，正如Lifschitz等人（2001）所证明的那样，强等价性与这里和那里的逻辑中的逻辑等价性相一致。在本文中，我们得到了一个纯粹的逻辑刻画的强等价的LPODs的逻辑等价在一个四值逻辑。此外，我们提供了一个新的证明的coNP-完备性的强等价的LPODs，有兴趣在自己的权利，因为它依赖于这种程序的特殊结构。我们的研究结果是基于Charalambidis等人（2021）介绍的LPODs的最新逻辑语义，我们认为这一事实表明，这种新的语义可能会被证明是LPODs进一步研究的有用工具。
2022-05-10 cs.AI cs.LO
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
DeepStochLog: Neural Stochastic Logic Programming
KU Leuven（鲁汶大学）；Örebro University（厄勒布鲁大学）
神经符号学习的最新进展，如DeepProbLog，用神经谓词扩展了概率逻辑程序。像图形模型一样，这些概率逻辑程序定义了可能世界上的概率分布，对于这种概率分布，推理在计算上是困难的。我们提出了DeepStochLog，一个替代的神经符号框架的基础上随机确定子句语法，一种类型的随机逻辑程序，它定义了一个概率分布在可能的推导。更具体地说，我们将神经语法规则引入到随机定冠词语法中，以创建一个可以端到端训练的框架。我们发现，推理和学习神经随机逻辑编程规模远远优于神经概率逻辑程序。此外，实验评估表明，DeepStochLog在具有挑战性的神经符号学习任务上取得了最先进的结果。
2021-06-23 cs.AI cs.LO
Learning logic programs through divide, constrain, and conquer
University of Oxford（牛津大学）
我们介绍了一个归纳逻辑程序设计的方法，结合了经典的分治搜索与现代的约束驱动搜索。我们的随时随地的方法可以学习最优的，递归的，和大型的程序，并支持谓词发明。我们在三个领域（分类，归纳一般的游戏，和程序合成）的实验表明，我们的方法可以提高预测精度，减少学习时间。
2021-12-07 cs.AI cs.LG
The Prioritized Inductive Logic Programs
归纳逻辑程序的极限行为还没有被探索过，但是当考虑通常持续运行的增量或在线归纳学习算法时，应该考虑程序的这种行为。最后通过一个实例说明，如果不考虑极限行为，某些归纳学习算法从长远来看可能是不正确的。一个归纳逻辑程序是收敛的，如果给定一个递增的例子集序列，该程序产生一个具有集合论极限的Horn逻辑程序的相应序列，并且如果所产生的Horn逻辑程序的序列的极限相对于例子集的序列的极限是正确的，则该程序是极限正确的。结果表明，GOLEM系统不是极限正确的。最后，一个限制正确的归纳逻辑系统，称为优先GOLEM系统，提出了作为一个解决方案。
2002-06-10 cs.AI cs.LG
A Syntactic Operator for Forgetting that Satisfies Strong Persistence
Technische Universität Dresden（德累斯顿工业大学）；Universität Leipzig（莱比锡大学）；NOVA LINCS（NOVA LINCS实验室）；Universidade Nova de Lisboa（新里斯本大学）
虽然遗忘的操作最近在答案集编程（ASP）的背景下受到了相当多的关注，但大多数都集中在理论方面，而实际问题基本上没有触及。最近的研究结果包括什么样的属性集运营商应该满足，以及抽象的几个运营商和他们的理论限制的特点。但没有具体的经营者被调查。在本文中，我们解决这个问题，提出了第一个具体的运营商，满足强持久性-属性，似乎最好地捕捉到的ASP的背景下遗忘的本质-只要这是可能的，和许多其他重要的属性。该运算符是语法的，将遗忘结果的计算限制为操纵要被遗忘的原子发生的规则，自然产生接近原始程序的遗忘结果。本文件正在考虑被TPLP接受。
2019-07-31 cs.AI
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
Abstract argumentation and answer set programming: two faces of Nelson's logic
University of Nebraska Omaha（内布拉斯加大学奥马哈分校）；IRIT（图卢兹计算机科学研究所）；Université de Toulouse（图卢兹大学）；CNRS（法国国家科学研究中心）
在这项工作中，我们表明，逻辑编程和抽象的论证框架可以解释纳尔逊的建设性逻辑N4。在这种逻辑中，我们通过形式化两个原则来做到这一点，我们称之为非矛盾推理和加强的封闭世界假设：第一个原则指出，任何信念都不能基于矛盾的证据，而后者则迫使未知和矛盾的证据都被视为错误。使用这些原则，逻辑程序设计和抽象论证框架都以模块化的方式并使用对象语言转换为构造性逻辑。逻辑程序蕴涵和抽象论证支持在翻译中遵循不矛盾推理原则成为新的蕴涵连接词。然后，攻击通过将这个新的蕴涵与强否定相结合来表示。逻辑程序设计理论与实践（TPLP）
2022-03-27 cs.AI cs.LO
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
Generating Random Logic Programs Using Constraint Programming
University of Edinburgh（爱丁堡大学）；Alan Turing Institute（艾伦·图灵研究所）
在广泛的问题实例中测试算法对于确保任何关于一种算法优于另一种算法的说法的有效性至关重要。然而，当涉及到概率逻辑程序的推理算法时，实验评估仅限于少数程序。现有的生成随机逻辑程序的方法仅限于命题程序，并且通常施加严格的语法限制。提出了一种利用约束编程生成随机逻辑程序和随机概率逻辑程序的新方法，引入了一个新的约束来控制底层概率分布的独立结构.我们还提供了一个组合参数的模型的正确性，显示模型的规模与参数值，并使用该模型来比较概率推理算法在一系列的合成问题。我们的模型允许推理算法开发人员在广泛的实例中评估和比较算法，提供其（比较）优势和劣势的详细信息。
2020-09-11 cs.AI cs.LO
Disjunctive Logic Programs versus Normal Logic Programs
University of Western Sydney（西悉尼大学）
本文主要研究在有限、无限或任意结构上的稳定模型语义下，析取和常规逻辑程序的表达能力。本文提出了一种从析取逻辑程序到普通逻辑程序的转换，并证明了这种转换在无限结构上是合理的。证明了两类逻辑程序对任意结构的表达能力的等价性与对有限结构的表达能力的等价性是一致的，并且与NP在补下是否闭的等价性是一致的。在有限结构上，证明了在辅助谓词和辅助函数的性质有界的条件下，从析取逻辑程序到正常逻辑程序的不可译性。
2013-04-02 cs.AI
Proceedings 35th International Conference on Logic Programming (Technical Communications)
自1982年在马赛举行第一次会议以来，ICLP一直是展示逻辑编程研究的首要国际活动。在逻辑编程的所有领域寻求贡献，包括但不限于：基础：语义学，形式主义，非单调推理，知识表示。语言：并发，对象，协调，移动性，高阶，类型，模式，断言，模块，元编程，基于逻辑的领域特定语言，编程技术。声明式编程：声明式程序开发，分析，类型和模式推理，部分求值，抽象解释，转换，验证，验证，编译，分析，测试，执行可视化实现：虚拟机，编译，存储管理，并行/分布式执行，约束处理规则，制表，外部接口，用户界面。相关范例和协同作用：归纳和协同归纳逻辑程序设计、约束逻辑程序设计、答案集程序设计、与SAT、SMT和CSP求解器的交互、类型推断和定理证明的逻辑程序设计技术、论证、概率逻辑程序设计、与面向对象和函数式程序设计的关系。应用领域：数据库、大数据、数据集成和联合、软件工程、自然语言处理、Web和语义网、代理、人工智能、计算生命科学、教育、网络安全和机器人技术。
2019-09-17 cs.AI cs.LO cs.PL
Automated Termination Proofs for Logic Programs by Term Rewriting
RWTH Aachen（亚琛工业大学）；TU Eindhoven（埃因霍温理工大学）；University of Innsbruck（因斯布鲁克大学）
逻辑程序的可终止性分析有两种方法：“转换”法和“直接”法。直接方法直接在逻辑程序的基础上证明终止。转换方法将一个逻辑程序转换成一个项重写系统（TRS），然后分析所得到的TRS的终止。因此，转换方法使以前为TRS开发的所有方法也可用于逻辑程序。然而，大多数现有的转换的适用性是相当有限的，因为它们只能用于逻辑程序的某些子类。(Most它们中的一个仅限于模式良好的程序。）在本文中，我们改进这些转换，使它们成为适用于任何明确的逻辑程序。为了用TRS模拟逻辑程序的行为，我们稍微修改了重写的概念，允许无限项。我们表明，我们的转换结果TRS这确实是适合自动终止分析。与大多数其他逻辑程序的终止方法相比，我们的技术也适用于逻辑程序设计，而不需要发生检查，这是在实践中通常使用的。我们在终止证明程序AProVE中实现了我们的方法，并在大量示例中成功地对其进行了评估。
2008-09-01 cs.AI cs.LO cs.PL
Proceedings 36th International Conference on Logic Programming (Technical Communications)
自1982年在马赛举行第一次会议以来，ICLP一直是展示逻辑编程研究的首要国际活动。在逻辑编程和相关领域的所有领域征求贡献，包括但不限于：-基础：语义学，形式主义，集合编程，非单调推理，知识表示。- 声明式编程：推理引擎，分析，类型和模式推理，部分求值，抽象解释，转换，验证，验证，建模，分析，测试，基于逻辑的领域特定语言，约束处理规则。- 相关范例和协同作用：归纳和协同归纳逻辑程序设计、约束逻辑程序设计、与SAT、SMT和CSP求解器的交互、用于类型推断和定理证明的逻辑编程技术、论证、概率逻辑程序设计、与面向对象和函数式编程的关系、描述逻辑、神经符号机器学习、混合深度学习和符号推理。- 实施情况：并发和分布，对象，协调，移动性，虚拟机，编译，高阶，类型系统，模块，约束处理规则，元编程，外部接口，用户界面。- 应用领域：数据库、大数据、数据集成和联合、软件工程、自然语言处理、Web和语义网、代理、人工智能、生物信息学、教育、计算生命科学、教育、网络安全和机器人技术。
2020-09-19 cs.AI cs.LO cs.PL
Minimum Model Semantics for Extensional Higher-order Logic Programming with Negation
University of Athens（雅典大学）；University of Szeged（塞格德大学）
可拓高阶逻辑程序设计是经典逻辑程序设计的推广。这种范式的一个重要特征是它保留了传统逻辑编程的所有众所周知的属性。在本文中，我们考虑在新的范式的背景下，否定的语义。利用非单调不动点理论的一些最新结果，我们证明了每一个带否定的高阶逻辑程序都有唯一的最小无穷值模型。通过这种方式，我们获得了第一个纯粹的模型论语义的否定在可拓高阶逻辑编程。使用我们的方法，我们解决了一个老的悖论，介绍了W。W. Wadge，以证明高阶逻辑编程的语义困难。
2014-05-15 cs.AI cs.LO cs.PL
A Compiler for Ordered Logic Programs
本文描述了一个在回答集语义下将有序逻辑程序编译成标准逻辑程序的系统PLP。在有序逻辑程序中，规则由唯一的术语命名，规则之间的偏好由一组专用原子给出。一个有序的逻辑程序被转换成第二个规则的扩展的逻辑程序，其中偏好被考虑，因为在转换的理论中获得的答案集与原始理论的优选答案集相对应。由于翻译的结果是一个扩展的逻辑程序，现有的逻辑编程系统可以用作底层的推理引擎。特别是，PLP被认为是逻辑编程系统dlv和models的前端。
2000-03-08 cs.AI
ABox Abduction via Forgetting in ALC (Long Version)
The University of Manchester（曼彻斯特大学）
溯因推理使用先验知识为新的观察结果生成解释性假设。本文研究了使用遗忘，也被称为均匀插值，执行ABox溯因在描述逻辑（ALC）本体。不可溯由遗忘签名指定，该签名可以包含概念符号，但不包含角色符号。由此产生的假设是语义最小的，每个由一组析取。这些析取是各自独立的解释，并且相对于背景本体或其他析取不是冗余的，表示一种形式的假设空间。该方法处理的观测和假设可以包含原子或复杂ALC概念，不包括角色断言，并且不限于Horn子句。为了实际应用，我们探讨了两种消除冗余的方法：用途：完全消除和近似消除。使用原型实现，实验进行了真实世界的本体语料库，调查这两种方法在几个设置的实用性。
2018-11-13 cs.AI
Extensional Higher-Order Logic Programming
University of Athens（雅典大学）；University of Victoria（维多利亚大学）
我们提出了一个纯粹的扩展语义高阶逻辑编程。在这个语义中，程序谓词表示有序元组的集合，两个谓词相等当且仅当它们作为集合相等。此外，每个程序都有唯一的最小Herbrand模型，它是程序所有Herbrand模型的最大下界，也是直接结果算子的最小不动点。我们还提出了一个SLD分辨率证明程序，这是证明的声音和完整的最小模型语义。换句话说，我们提供了一个纯粹的扩展的理论框架，高阶逻辑编程的经典（一阶）逻辑编程的熟悉的理论。
2011-06-17 cs.AI cs.LO cs.PL
Introduction to the 35th International Conference on Logic Programming Special Issue
Sabanci University（萨班哲大学）；Università di Perugia（佩鲁贾大学）；Universitat Politècnica de València（瓦伦西亚理工大学）；NVIDIA Corporation（英伟达公司）
我们很自豪地介绍这期特刊《逻辑编程理论与实践》（TPLP），专门介绍第35届逻辑编程国际会议（ICLP）接受的定期论文。ICLP会议于1982年在马赛开始，此后成为介绍和讨论逻辑编程领域工作的主要场所。正在考虑接受TPLP。
2019-08-10 cs.AI cs.LO cs.PL
Logic Programming Semantics for Causal Processes
German University Of Digital Science Potsdam（德国波茨坦数字科学大学）
研究逻辑程序设计语义与因果过程最终状态的关系，指出正逻辑程序稳定模型对应特定过程最终状态，支持模型描述任意起点可达状态，为逻辑程序设计语义讨论提供新视角及时间维度。
2026-07-24 cs.AI cs.LO cs.PL
Joint Tabling of Logic Program Abductions and Updates
Universidade Nova de Lisboa（里斯本新大学）；Universitas Indonesia（印度尼西亚大学）
溯因逻辑程序提供了一种形式主义来声明性地表示和推理各种领域的问题：诊断，决策，假设推理等。另一方面，逻辑程序更新使我们能够表达知识的变化，无论是内部（或自我）和外部（或世界）的变化。溯因逻辑程序和逻辑程序更新因此自然地共存于易受关于变化的假设推理影响的问题中。以此为动机，在本文中，我们集成了溯因逻辑程序和逻辑程序更新，共同利用表功能的逻辑编程。这种集成是基于我们以前分别设计的两种实现技术，即，用于逻辑程序更新的查询驱动传播的表化溯因和增量表化。用XSB Prolog语言实现了一个集成系统的原型。
2014-05-08 cs.AI
Logic Programs with Compiled Preferences
我们描述了一种方法，编译成逻辑程序下的回答集语义的偏好。有序逻辑程序是一种扩展的逻辑程序，其中规则由唯一项命名，并且其中规则之间的偏好由一组专用原子给出。有序的逻辑程序被转换成第二个、规则的、扩展的逻辑程序，其中偏好被尊重，因为在转换后的理论中获得的答案集与原始理论的优选答案集相对应。我们的方法允许规范的静态排序（在大多数以前的工作中发现），其中的偏好是外部的一个逻辑程序，以及排序的规则集。在很大程度上，我们感兴趣的是描述一个通用的方法，统一纳入逻辑程序的偏好信息。由于我们的翻译结果是一个扩展的逻辑程序，我们可以利用现有的实现，如dlv和models。为此，我们开发了一个编译器，可在网络上，作为这些编程系统的前端。
2000-03-08 cs.AI
The Logic Programming Paradigm and Prolog
这是一个关于逻辑编程和Prolog的教程，适合于熟悉命令式编程的学生的程序设计语言课程。
2001-07-12 cs.AI cs.PL
Two results for proiritized logic programming
优先缺省推理在知识表示和推理中表现出了丰富的表达能力和灵活性。然而，优先缺省推理的许多重要方面还有待深入探讨。在本文中，我们研究两个性质的优先级逻辑程序的背景下，回答集语义。具体来说，我们揭示了一个密切的关系，相互可撤销性和唯一性的答案集的优先级逻辑程序。然后，我们探讨如何扩展逻辑程序的分裂技术可以扩展到优先级的逻辑程序。我们证明了分裂定理，可以用来简化在一定条件下的优先级逻辑程序的评价。
2002-03-05 cs.AI
Expert Systems with Logic#. A Novel Modeling Framework for Logic Programming in an Object-Oriented Context of C#
IU International University of Applied Sciences（IU国际应用科学大学）
我们提出了一种新的方法如何逻辑编程的专家系统可以直接声明在一个面向对象的语言。
2022-05-16 cs.AI cs.PL
Non Deterministic Logic Programs
非确定性应用出现在许多领域，包括随机优化、多目标优化、随机规划、偶然随机规划、强化学习、部分可观测马尔可夫决策过程中的强化学习和条件规划。我们提出了一个逻辑编程框架，称为非确定性逻辑程序，以及声明性语义和定点语义，允许表示和推理固有的非确定性的现实世界的应用程序。对非确定性逻辑程序语言框架进行了非单调否定扩展，定义了两种可供选择的语义：稳定非确定性模型语义和良基非确定性模型语义，并研究了它们之间的关系。这些语义继承了确定性正常逻辑程序的确定性稳定模型语义和确定性良基语义，并将其归结为确定性逻辑程序的无否定语义。我们展示了应用程序的非确定性逻辑程序框架的条件规划问题。
2013-04-26 cs.AI
Logic Programming with Ordered Disjunction
具有有序析取的逻辑程序（LPOD）结合了定性选择逻辑（Brewka et al. KR 2002）和答案集编程的基本思想。在回答集语义下的逻辑程序设计中引入了一种新的连接词--有序析取。新的连接词允许我们在规则的头部表示问题解决方案的替代性、排名选项：A \times B直观地意味着：如果可能，A，但如果A不可能，那么至少B。具有有序析取的逻辑程序的语义是基于答案集上的偏好关系。LPOD对于设计和配置中的应用是有用的，并且可以作为定性决策的基础。
2002-07-11 cs.AI
An asymptotic analysis of probabilistic logic programming, with implications for expressing projective families of distributions
LMU München（慕尼黑大学）
概率逻辑编程是统计关系型人工智能的重要组成部分，其中将逻辑和概率方法结合在一起，在不确定性环境中推理和学习关系域。然而，跨可变域大小的统计关系表示的行为是复杂的，并且将推理和学习扩展到大型域仍然是一个重大挑战。近年来，域大小依赖、提升推理和从抽样子群体中学习之间出现了联系。统计关系表示的渐近行为已经受到审查，和投影被调查的最强形式的域大小的依赖，其中查询边际是完全独立的域大小。在这篇文章中，我们证明了每一个概率逻辑程序下的分布语义是渐近等价于一个非循环的概率逻辑程序只包括确定条款的概率事实。我们的结论是，每一个概率逻辑程序诱导一个投影族的分布，实际上是处处等价于一个程序从这个片段，我们调查的后果，为投影族的分布概率逻辑程序表示。为了方便应用的经典结果从有限模型理论，我们引入了抽象的分布语义，定义为一个任意的逻辑理论概率事实。这弥合了与概率逻辑编程基础的分布语义之间的差距。在这种表示中，确定性逻辑程序对应于无量词理论，使得渐近量词消去结果可用于概率逻辑编程的设置。本文件正在考虑被TPLP接受。
2021-08-18 cs.AI cs.LO cs.PL
