×

使用ASP和MLN解算器计算\(\mathrm{LP}^{\mathrm{MLN}}\)。 (英语) Zbl 1422.68026号

摘要:(\mathrm{LP}^{\mathrm{MLN}})是概率逻辑编程语言的新成员。其主要思想是通过以类似于马尔可夫逻辑定义的方式为每个规则分配权重来克服稳定模型语义的刚性。我们给出了\(\mathrm{LP}^{\mathrm{MLN}}\)的两个实现{lpmln2asp}和{lpmln2英里}. 系统{lpmln2asp}将(mathrm{LP}^{mathrm}MLN}})程序翻译为答案集求解器的输入语言,并使用弱约束和稳定模型枚举,可以计算出最可能的稳定模型以及精确的条件概率和边际概率。系统lpmln2mln将(\mathrm{LP}^{\mathrm{MLN}})程序翻译为Markov Logic解算器的输入语言,例如{炼金术}, {丛生的}、和{摇摆的},并允许对(mathrm{LP}^{mathrm}MLN})程序执行近似概率推断。我们还证明了\(\mathrm{LP}^{\mathrm{MLN}})系统在计算其他语言(如ProbeLog和Pearl因果模型)时的有用性,这些语言被证明可以翻译成\(\mathrm{LP}^{\mathrm{MLN}})。

MSC公司:

第68页第17页 逻辑编程
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] 巴拉伊。和GelfondM.2016。关于P-log和LP^MLN之间的关系。程序中。国际人工智能联合会议(IJCAI),915-921。
[2] 巴拉尔市。,GelfondM公司。和RushtonJ。2009年4月。带有答案集的概率推理。逻辑程序设计的理论与实践9,1,57-144.10.1017/S1471068408003645S147106S408003645·Zbl 1170.68003号 ·文件编号:10.1017/S1471068408003645
[3] 莱昂纳·布卡弗里夫。和RulloP.2000。通过约束增强析取数据日志。IEEE知识与数据工程学报12,5,845-860.10.1109/69.877512·doi:10.1109/69.877512
[4] CalimeriF.、FaberW.、。,GebserM.、IanniG.、。,卡明斯基。,KrennwallnerT公司。,利昂内。,里卡夫。和SchaubT.2012。ASP-Core-2:输入语言格式。ASP标准化工作组,技术报告。
[5] De RaedtL.公司。,Kimmig公司。和Toivonen H.2007。ProbLog:概率序言及其在链路发现中的应用。程序中。IJCAI,第7卷。2462-2467.
[6] FierensD公司。,范登·布勒克。,伦肯斯J。,ShterionovD。,古特曼B。,ThonI.、。,詹森斯G。和De RaedtL.2015。概率逻辑程序中使用加权布尔公式的推理和学习。逻辑程序设计的理论与实践15,3,358-401.10.1017/S147106841400076S1471068414000076·Zbl 1379.68062号 ·doi:10.1017/S147106841400076
[7] GebserM.、KaminskiR.、。,考夫曼B。和SchaubT.2011。答案集编程中的多准则优化。LIPIcs-Leibniz国际信息学会议录,第11卷。Dagstuhl-Leibniz-Zentrum fuer Informatik宫,1-10·Zbl 1245.68052号
[8] LeeJ.、。,孟勇。和WangY.2015。稳定模型语义下的马尔可夫逻辑型加权规则。在第31届国际逻辑程序设计会议的技术交流中·Zbl 1407.68084号
[9] LeeJ.、。,塔尔萨尼亚。和WangY.2017。论文“使用ASP和MLN解算器计算LP^MLN”的在线附录。TPLP档案。https://doi.org/10.1017/S1471068417000400
[10] LeeJ。和WangY.2016。稳定模型语义下的加权规则。程序中。知识表示和推理原则国际会议(KR),145-154。
[11] LeeJ。和YangZ.2017。LPMLN、弱约束和P-log。程序中。人工智能会议(AAAI),1170-1177年。
[12] NicklesM.2016年。一种基于逻辑编程和稳定模型语义下的一阶理论的概率推理工具。程序中。欧洲人工智能逻辑会议(JELIA),369-384·Zbl 1483.68408号
[13] 《珍珠杂志》,2000年。因果关系:模型、推理和推理。第29卷。剑桥大学出版社·Zbl 0959.68116号
[14] 理查森。和多明戈P.2006。马尔可夫逻辑网络。机器学习62,1-2,107-136.10.1007/s10994-006-5833-1·Zbl 1470.68221号 ·doi:10.1007/s10994-006-5833-1
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。