[发明专利]非单调推理在逻辑动作语言系统刻画中的知识表示方法

说明书

本发明公开了一种非单调推理在逻辑动作语言系统刻画中的知识表示方法。该方法对多种经典逻辑动作语言进行抽象刻画与性质表示，在统一的特性空间下，给出这些语言的最小特征集。该方法包括逻辑动作语言在回答集逻辑程序语法下的系统化自动翻译、确定性语义特性约束集合构建、稳定模型语义映射与一致性验证三部分内容。逻辑动作语言利用本发明能够系统性地表示与分析逻辑动作语言，并提高针对不同逻辑动作语言系统的知识表示与推理的适用性和效率。

技术领域

本发明涉及信息处理技术领域，更具体地，涉及一种非单调推理在逻辑动作语言系统刻画中的知识表示方法。

背景技术

非单调推理是基于逻辑的人工智能领域的重要理论和方法，不仅解决了知识表示中的分支问题(Ramification Problem)，其思想也被应用在各种逻辑动作语言的设计与实现中，产生多种多样的逻辑动作语言系统。这些逻辑动作语言各有特点，被应用在不同的场景与任务中。然而，许多逻辑动作语言之间的映射关系复杂，缺乏系统的分析或对比工具。例如逻辑动作语言B、C与林方真的因果理论三种逻辑方法，在定理系统中不存在因果关系闭环时，都解决了分支问题，也可以互相翻译。然而当系统中出现因果关系闭环时，三者具有不同表现，而且彼此关系并不明确。这就需要有一个系统分析逻辑动作语言的工具，对不同语义的特性进行研究。

推理求解系统的快速发展促进了各种各样逻辑动作语言的产生。近年来，针对不同的表示与推理需要，多种逻辑动作语言被提出。例如，被广泛关注并认可的有B，C，C+，BC，BC+以及LPMLN等。这些逻辑动作语言(方法)有各自的适用场景与特点，然而各种逻辑动作语言(方法)之间的联系、区别、适用范围与语义特性，缺乏系统的评估方法与分析工具。尤其是当逻辑系统存在因果依赖关系闭环(Causal loop)时，逻辑系统如何运作并不清晰，现有的各种逻辑动作语言的不同表现也难以有直观的、量化的解释。

在现有技术中，对于某两种方法之间关系的研究，通常采用互相翻译的方式，即在适用性满足的前提下，探讨两种语言之间互相翻译的条件与途径。或是找到两种语言的等价空间，即在哪些作用域上，两种语言的语义是等价的，如Michael Gelfond与VladmirLifschitz 2012年的关于逻辑动作语言B与C的公共内核的工作。然而对于应用领域而言，在各种各样不同的逻辑动作语言中，合理地选择适合于应用场景与目标任务的语言工具至关重要。这不仅需要对各种逻辑动作语言的特性有系统的、清晰的认知，还需要一个明确、全面的评价分析系统与标准，为逻辑动作语言的选择提供系统的理论依据。

发明内容

本发明的目的是克服上述现有技术的缺陷，提供一种非单调推理在逻辑动作语言系统刻画中的知识表示方法。

根据本发明的第一方面，提供一种非单调推理在逻辑动作语言系统刻画中的知识表示方法。该方法包括以下步骤：

逻辑动作语言在回答集逻辑程序语法下，进行系统化的自动翻译，得到候选语法翻译池；

针对逻辑动作语言特性，构建统一的语义特性坐标，以及该坐标下的确定性的语义特性约束集合，使得该集合约束下只包含唯一的由该逻辑动作语言到逻辑程序的语法翻译；

根据上述唯一确定性的语法翻译，计算逻辑程序的稳定模型语义，并系统性地进行自动语义映射，验证所得模型与逻辑动作语言本身语义模型的一致性。

根据本发明的第二方面，提供一种非单调推理在逻辑动作语言系统刻画中的知识表示框架。该框架包括信息抽象层级管理模块、领域知识库、逻辑动作语言表示模块、模型求解器，其中：领域知识库用于存储高抽象层级的规则、定理和事实；信息抽象层级管理模块用于负责将管理信息按照抽象层级的分类；在信息抽象层级管理模块将领域知识从所述领域知识库中提取出之后，输入逻辑动作语言表示模块进行形式化，形成逻辑程序中的定理；神经网络针对特定应用场景的数据训练学习对应的状态事实，并通过信息抽象层级管理模块再输入到逻辑动作语言表示模块中，形式化为逻辑程序中的事实。模型求解器对学习到的完整逻辑程序进行模型计算，得到后继状态的确定解。