SMProbLog：ProbLog 中的稳定模型语义及其在论证中的应用
人工智能
2021-10-08 v2
摘要
我们介绍 SMProbLog，一种概率逻辑编程语言 ProbLog 的推广。ProbLog 程序通过为每个子句指定其属于随机采样程序的概率来定义逻辑程序上的分布，且这些概率相互独立。ProbLog 的语义由查询的成功概率给出，对应于查询在随机采样程序中成功的概率。当每个随机样本唯一确定所有逻辑原子的真值时，该语义是良定义的。然而，论证问题代表了一个有趣的实际应用，其中并非总是如此。SMProbLog 将 ProbLog 的语义推广到随机采样程序可能存在多个真值赋值的情形，并实现了用于推理和学习任务的相应算法。我们随后展示这一新框架如何用于推理概率论证问题。因此，本文的关键贡献在于：更通用的 ProbLog 程序语义、将其实现为用于推理和参数学习的概率编程框架，以及基于该框架的概率论证问题新方法。
引用
@article{arxiv.2110.01990,
title = {SMProbLog: Stable Model Semantics in ProbLog and its Applications in Argumentation},
author = {Pietro Totis and Angelika Kimmig and Luc De Raedt},
journal= {arXiv preprint arXiv:2110.01990},
year = {2021}
}