Practical Reasoning for Very Expressive Description Logics
描述逻辑是一类知识表示形式化体系,其主要特征是构造器从原子概念和角色构造复杂的概念和角色。表达角色构造器在许多应用中很重要,但在计算上可能存在问题。我们提出了一个算法,决定可满足性的DL ALC扩展与传递和逆角色和功能限制方面的一般概念包含公理和角色层次结构,早期的实验表明,该算法是非常适合实施。此外,我们还证明了仅具有传递和逆角色的ALC扩展仍然是PSPACE中的。我们调查这个家庭的DL的可判定性的限制,表明放松限制放置在数量限制中使用的各种角色导致所有推理问题的不可判定性。最后,我们描述了一些优化技术,这是至关重要的,在获得实现的决策过程中,尽管最坏情况下的问题的复杂性,表现出良好的性能与现实生活中的问题。
2000-05-09 cs.AI cs.LO
A Cookbook for Temporal Conceptual Data Modelling with Description Logics
Free University of Bozen-Bolzano(博尔扎诺自由大学);Birkbeck, University of London(伦敦大学伯贝克学院)
我们设计了适用于时态概念数据模型推理的时态描述逻辑,并研究了它们的计算复杂性。我们的形式主义是基于DL-Lite逻辑与三种类型的概念包含(范围从原子概念包含和不相交的完整布尔),以及基数约束和角色包含。在时间维度上,它们捕获未来和过去的时间操作符的概念,灵活和刚性的角色,操作符的“总是”和“一些时间”的角色,数据断言的特定时刻的时间和全球概念的包容性。这些逻辑被解释为对象域和时间流(Z,<)的笛卡尔积,满足恒定域假设。我们证明,我们的时间描述逻辑(它可以捕捉生命周期基数和定性或定量的进化约束)最具表现力的结果是不可判定的。然而,通过省略概念/角色上的一些时态运算符或通过限制概念包含的形式,我们获得了复杂度介于PSpace和NLogSpace之间的逻辑。这些积极的结果是通过减少到命题时态逻辑的各种子句片段,这开辟了一条道路,采用命题或一阶时态证明推理的时间数据模型。
2014-05-02 cs.AI cs.LO
Heinrich Behmann's Contributions to Second-Order Quantifier Elimination from the View of Computational Logic
Technische Universität Dresden(德累斯顿工业大学)
对于关系一元公式(Löwenheim类),二阶量词消去,这是密切相关的计算一致插值,投影和遗忘-操作,目前受到关注的知识处理-总是成功的。Heinrich Behmann从1922年开始对这个类的可判定性证明是通过等价保持公式重写的消元法进行的。在这里,我们重建的结果从Behmann的出版物的详细和讨论相关的问题,在现代方法的背景下,二阶量词消去在计算逻辑。此外,广泛的文件的信件和手稿在贝曼的遗赠,关注二阶量词消去,包括一个评论登记册和英文摘要的德语来源,重点是技术材料。在20世纪20年代后期,Behmann试图为谓词的元数大于1的公式开发一种基于消除的决策方法。他的手稿和与威廉·阿克曼的通信显示了今天仍然感兴趣的技术方面,并深入了解了阿克曼1935年的里程碑式论文“Untersuchungen über das Eliminationsproblem der mathematischen Logik”的起源,该论文奠定了两种流行的现代二阶量词消去方法的基础。
2017-12-19 cs.AI cs.LO
Disentangling Logic: The Role of Context in Large Language Model Reasoning Capabilities
Rutgers University(罗格斯大学);Microsoft(微软公司);University of Michigan(密歇根大学);The University of Liverpool(利物浦大学)
本研究通过对比抽象与上下文化逻辑问题,系统解耦纯逻辑推理与文本理解,探究LLMs在保持逻辑结构不变时的真正推理能力及微调泛化潜力,并构建了包含4个难度级别、12个领域的命题推理数据集。
2024-06-04 cs.AI cs.CL cs.LG
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
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
Logic-Guided Multistage Inference for Explainable Multidefendant Judgment Prediction
Data Science Institute, Shandong University(山东大学数据科学研究院)
本文提出一种基于逻辑引导的多阶段推理框架,用于提升多被告案件中罪责区分的准确性与可解释性。
2026-01-19 cs.AI cs.LG
Finite Query Answering in Expressive Description Logics with Transitive Roles
University of Warsaw(华沙大学);TU Wien(维也纳工业大学)
我们研究有限本体介导的查询回答(FOMQA)的问题,OMQA的变种,其中所代表的世界被假定为有限的,因此只考虑有限的本体模型。我们采用最典型的设置与工会的合取查询和本体表示的描述逻辑(DL)。FOMQA的研究与非可控环境相关。这不仅适用于没有有限模型属性的DL,而且适用于那些允许传递角色声明的DL。当传递角色被允许时,评估查询是具有挑战性的:FOMQA对于SHOIF是不可判定的,并且只知道对于ALCIF的Horn片段是可判定的。我们展示了FOMQA对SOIF的三个适当片段:SOI,SOF和SIF的可判定性。我们的方法是建立相关的模型来决定有限的查询蕴涵。依赖于这些模型的一定规律性,我们开发了基于自动机的决策程序与最佳复杂性的界限。
2018-08-09 cs.AI
Conservative Extensions in Horn Description Logics with Inverse Roles
Universität Bremen(不来梅大学)
研究了Horn描述逻辑中保守扩张的可判定性和计算复杂性,以及与之相关的不可分离性和蕴涵概念.我们认为这两个查询保守的扩展,定义要求所有的合取查询的答案保持不变,和演绎保守的扩展,这要求所涉及的概念包含,角色包含和功能断言不改变。查询保守扩展的上界是特别具有挑战性的,因为通用模型之间的无界同态的特征,这是建立可判定性的标准方法的基础,在逆角色的存在下失败。我们诉诸于一个特征,仔细混合无界和有界同态,使决策过程,结合树自动机和马赛克技术。我们的主要结果是:查询保守扩展在ELI和Horn-ALCHIF之间以及Horn-ALC和Horn-ALCHIF之间的所有DL上都是2 ExpTime完全的;演绎保守扩展在ELI和ELHIF_ \bot之间的所有DL上都是2 ExpTime完全的。同样的结果也适用于不可分离性和蕴涵。
2020-11-19 cs.AI
Who You Are Matters: Bridging Topics and Social Roles via LLM-Enhanced Logical Recommendation
Wuhan University(武汉大学);Kuaishou Technology(快手科技)
针对传统推荐忽略用户社会角色建模的问题,提出集成LLM与推荐系统的TagCF框架,通过提取标签虚拟逻辑图建模用户角色与行为逻辑,实验证明其效果优于物品主题建模,且逻辑图知识可迁移。
2025-10-29 cs.AI cs.IR
Belief as Willingness to Bet
CWI(荷兰国家数学与计算机科学研究中心);ILLC, University of Amsterdam(阿姆斯特丹大学逻辑、语言与计算研究所)
我们研究具有两个一元模态算子的高概率模态逻辑:表示概率确定性的算子$K$和表示超过固定理性阈值$c\geq\frac 12$的概率的算子$B$。将知识与知识相结合,将信念与信念相结合,我们可以将$c$看作是智能体的下注阈值,这就引出了“信念就是愿意下注”这句格言。“用于$c=\frac 12$的逻辑$\mathsf{KB.5}$具有一个$\mathsf{S5}$ $K$模态以及一个次正常$B$模态,该次正常$B$模态通过四个与$K$和$B$相关的方案来扩展最小模态逻辑$\mathsf{EMND45}$,其中一个方案是由Scott的定理产生的复杂方案。Lenzen是第一个使用斯科特定理来证明这种逻辑的版本对于概率解释是合理和完整的。我们重新制定Lenzen的结果,并在这里提出他们在一个现代的和可访问的形式。此外,我们引入了一个新的认知邻域语义,将更熟悉的现代模态逻辑。使用斯科特的定理,我们提供了必须施加在有限的认知邻域模型,以保证存在的概率测度尊重阈值$c=\frac 12$的邻域函数以适当的方式的Lenzen衍生的属性。这产生了概率和模态邻域语义之间的联系,我们希望将在未来的工作中使用模态逻辑的定性概率。我们留下开放的问题,必须施加有限的认知邻域模型,以保证存在一个适当的概率阈值$c\neq\frac 12$措施的属性。
2014-12-17 cs.AI cs.LO
Conjunctive Query Answering for the Description Logic SHIQ
Oxford University Computing Laboratory(牛津大学计算实验室);Dresden University of Technology(德累斯顿工业大学);The University of Manchester(曼彻斯特大学)
合取查询作为描述逻辑的一种表达性查询语言,在描述逻辑中扮演着重要的角色。虽然现代DL通常提供传递性角色,但如果在查询中承认传递性角色,则仅对DL知识库上的合取查询应答知之甚少。在本文中,我们认为工会的合取查询的知识库制定的突出DL SHIQ,并允许在查询和知识库的传递角色。我们显示在此设置的查询回答的可判定性,并建立两个严格的复杂性界限:关于组合复杂性,我们证明了有一个确定性的算法,需要时间的KB的大小为单指数和查询的大小为双指数,这是最优的查询回答。关于数据的复杂性,我们证明了在co-NP遏制。
2011-10-31 cs.AI
Reasoning with Very Expressive Fuzzy Description Logics
National and Technical University of Athens(雅典国立技术大学);The University of Aberdeen(阿伯丁大学);The University of Manchester(曼彻斯特大学)
今天人们普遍认识到,对不精确性和精确性的管理将产生更智能和更现实的基于知识的应用程序。描述逻辑是一种知识表示语言,由于其可判定性和推理算法的高性能,在过去的十年中得到了广泛的关注。本文将著名的模糊ALCDL推广到模糊SHINDL,它将模糊ALCDL推广为传递性角色公理(S)、逆角色公理(I)、角色层次(H)和数量限制(N)。我们说明了为什么传递性的角色公理是难以处理的模糊解释的存在,以及如何正确地处理它们。然后,我们通过添加角色层次结构和数量限制来扩展这些结果。本文的主要贡献是模糊DL语言fuzzy-SI和fuzzy-SHIN的可判定性证明,以及fuzzy-SI和fuzzy-SHIN的知识库可满足性问题的判定过程。
2011-10-31 cs.AI
Logic Traps in Evaluating Attribution Scores
Institute of Automation, CAS(中国科学院自动化研究所);University of Chinese Academy of Sciences(中国科学院大学);Beijing Academy of Artificial Intelligence(北京人工智能研究院)
现代深度学习模型是出了名的不透明,这促使人们开发了解释深度模型预测效果的方法。这一目标通常通过归因方法来实现,该方法评估特征对模型预测的影响。作为一种解释方法,归因方法的评价标准是它在多大程度上准确地反映了模型的实际推理过程(忠实性)。同时,由于深度模型的推理过程是不可访问的,研究人员设计了各种评估方法来证明他们的论点。然而,这些评价方法中的一些关键逻辑陷阱在大多数作品中被忽视,导致不准确的评价和不公平的比较。本文系统地回顾了现有的归因得分评估方法,并总结了这些方法中存在的逻辑陷阱。我们进一步进行实验来证明每个逻辑陷阱的存在。通过理论和实验分析,希望引起对归因分数不准确评价的关注。此外,在本文中,我们建议停止关注在不可靠的评估系统下提高性能,并开始努力减少拟议逻辑陷阱的影响
2023-03-04 cs.AI cs.CL cs.LG
Probabilistic Logic Gate in Asynchronous Game of Life with Critical Property
Waseda University(早稻田大学)
元启发式和自组织临界性(SOC)可以有助于在扰动环境下的鲁棒计算。在临界状态下的计算系统中实现逻辑门是研究元计算和SOC作用的有趣方法之一。本文研究了细胞自动机生命游戏(GL)在异步更新中的行为,并利用异步GL实现了概率逻辑门。我们发现异步GL表现出相变,1的状态密度在临界点处以幂律衰减,并且在异步GL中,临界点处的系统具有最大的可计算性。我们在异步临界GL中实现了AND和“或”门,取得了良好的性能.由于调谐扰动在操作逻辑门中起着至关重要的作用,我们的研究揭示了概率逻辑门中操纵和扰动之间的干扰。
2021-12-15 cs.AI cs.ET
The Role of Language Models in Modern Healthcare: A Comprehensive Review
CHRISTUS Santa Rosa Hospital(CHRISTUS圣罗莎医院);Riphah International University(里法国际大学)
本文全面综述了大型语言模型在现代医疗保健中的应用,探讨其从早期到当前最先进模型的发展轨迹、在医疗文档与诊断中的优势,以及数据隐私、偏见等挑战,并提出了合乎伦理地融入医疗实践的必要步骤。
2024-09-25 cs.AI cs.CL cs.CV