IJCAIMay, 2017

使用极限 Datalog 程序的声明性数据分析基础

PDF
TL;DR研究了正 Datalog 上添加整数算术函数的扩展语言 Datalog_Z，并提出了两个限制子语言 limit Datalog_Z 和 stable Datalog_Z 以解决其不可判定性，并证明了相应的 NP 完全性和 ExpTime 完全性，最终表明稳定的 Datalog_Z 能够表达许多有用的数据分析任务，为先进信息系统的发展提供了一个坚实的基础。
datalogarithmetic functionsundecidablefact entailmentinformation systems
发现论文，激发创造
  • 大数据推理和高级分析的扩展

    BigDatalog 是 Datalog 的扩展，旨在实现在 Apache Spark 和多核系统上的性能和可扩展性，其图分析性能优于 GraphX，通过实现技术（例如半朴素极限和魔术集）解决了在递归中使用数量、总和和极值等问题。

    Jul, 2018

  • Warded Datalog+- 中算术的复杂性

    本文定义了一种新的语言，将 Warded Datalog+- 扩展到算术，证明了其 P 完备性，并为一种最近引入的整数算术 Datalog 片段提供了描述性复杂度结果，为高度表达 Datalog+- 语言奠定了理论基础，这些语言结合了先进递归规则和算术的优势，同时保证了现代 AI 系统中应用的高效推理算法，例如知识图谱。

    Feb, 2022

  • 具存在量词的分离 Datalog：语义、可决定性和复杂性问题

    本文介绍了 Datalog 的扩展形式 Disjunctive Datalog，Datalogex 和 Datalogexor，并提供语法和语义的定义，以及解决了语言可决性问题，这些语言都是知识表示和推理方面的有吸引力的，特别是在需要基于本体论的推理的领域中。

    Oct, 2012

  • 线序数据日志的复杂度

    研究了 datalog 在有限和无限线性序列上的程序复杂性。 结果证明，在具有至少两个元素的所有线性序列上，datalog 的非空问题是 EXPTIME 完全的，将该结果扩展到具有常量的无限线性序列上，并在 Allen 的区间代数上应用这个结果。

    Feb, 2009

  • 使用数值松弛合成 Datalog 程序

    本文提出了一种称为 Difflog 的技术，可以将逻辑规则从离散变量扩展到连续变量，该技术通过为 Datalog 程序的各个规则附加实值权重，自然地将数值与程序的各个结论相关联，在知识发现、形式验证和数据库查询等问题上实现学习复杂程序的显着提高。

    Jun, 2019

  • Vadalog 系统：基于 Datalog 的知识图谱推理

    本文介绍了 Vadalog 系统，这是使用 Datalog 进行复杂逻辑推论任务的系统，采用侵略性终止控制策略实现了 Warded Datalog+/-，并提供了全面的实验评估。

    Jul, 2018

  • 任意 t - 范数上的模糊 Datalog$^\exists$

    神经符号人工智能领域的主要挑战之一是在神经和符号数据的存在下进行逻辑推理。本文通过将模糊 Datalog 的存在性规则推广到模糊设置，允许使用任意 t - 范数，在保持计算复杂度结果和已建立的推理技术适用性的同时，允许对与不确定度相关的数据进行推理。

    Mar, 2024

  • 具有路径表达式的表达能力描述逻辑中的数据复杂度

    探讨了在准林中非常表达性描述逻辑 ZOIQ (即 ALCHb Self reg OIQ) 上满足性问题的数据复杂性，并证明了它是 NP 完备的。这完成了对 ZOIQ 可判定片段的数据复杂性全景的研究，并重新证明了关于 OWL2 可判定片段（SR 系列）的已知结果。利用相同的技术，我们证明了在 ZIQ 中带根查询的蕴涵问题在形式复杂度上是 coNEXPTIME 完备的。

    Jun, 2024

  • 具聚合操作的递归 Datalog 程序的不动点语义和优化

    本文提出一种简单的综合解决方案，该方案扩展了 Horn Clause 的声明性最小固定点语义，以及 Datalog 系统采用的自底向上实现方法中使用的优化技术，以将 Datalog 的语义和优化技术扩展到包括 min、max、count 和 sum 在内的递归程序中，实现了更好的性能和可扩展性。

    Jul, 2017

  • 不相交 Datalog 程序的 Datalog 改写性及其在本体推理中的应用

    研究了将一个分离的 Datalog 程序重写为普通的 Datalog 的问题，并提出了一种新的基于规则的知识表示语言（KR language）—— 弱线性分离 Datalog，以及在本文的框架下对本体推理问题的应用，结果表明许多非 Horn 本体可以被简化为弱线性程序，并可以用 Datalog 引擎在实践中进行查询回答。

    Apr, 2014