使用数值松弛合成 Datalog 程序

IJCAIJun, 2019

Synthesizing Datalog Programs Using Numerical Relaxation

Xujie Si, Mukund Raghothaman, Kihong Heo, Mayur Naik

TL;DR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。

Abstract

The problem of learning logical rules from examples arises in diverse fields, including program synthesis, logic programming, and machine learning. Existing approaches either involve solving computationally diffi

difflog logic programming continuous setting machine learning parameter estimation

发现论文，激发创造

结构化样例的可微归纳逻辑编程

该论文提出了一种可微分实现的逻辑程序学习框架，包括自适应子句搜索、基本命题枚举算法和柔和的程序合成方法，能够学习噪声和结构化的例子，试验表明该框架可以适应复杂的多子句程序。

Mar, 2021

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

知识库推理的可微学习逻辑规则

研究如何通过神经逻辑编程的框架来学习概率一阶逻辑规则应用于知识库推理，达到了比先前工作更好的效果。

Feb, 2017

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

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

利用可微逻辑程序语义学习一阶规则

本研究提出一种名为 DFOL 的新型可微分归纳逻辑编程模型，通过搜索可解释的矩阵来从关系事实中找到正确的一阶逻辑程序，并将符号前向链接格式转换为 NN 约束函数，并采用梯度下降将 NN 的训练参数解码成精确的符号逻辑程序。

Apr, 2022

使用极限 Datalog 程序的声明性数据分析基础

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。

May, 2017

DeepLogic: 基于端到端可微分的逻辑推理

探索如何使用基于 RNN 的迭代神经网络将符号逻辑定义为字符级逻辑程序，使其在高维向量空间中学习推理，进一步分析学习推理算法如何产生逻辑程序中的原子、文字和规则表示，并针对谓词和常量符号的长度以及多次跳跃推理的步数进行评估。

May, 2018

评估神经网络逻辑松弛：一项全面研究

本文研究如何最佳地放松逻辑表达式，以便将符号知识纳入到神经网络中，重点是利用亚微分的 t - 范数放松逻辑表达式。通过理论和实证研究，我们为表征在不同情况下哪种松弛方式表现最佳提供了理论和实证标准，并针对在保留重言式方面，Lukasiewicz t - 范数表现最佳的观点进行了理论研究，但在对文本分块和数字识别任务的实证分析中，产品 t - 范数实现了最佳预测性能。最后，我们总结了利用逻辑定义损失函数的最佳实践。

Jul, 2021

Prolog 中高效的描述逻辑推理：DLog 系统

本文描述了 DLog—— 一种基于分辨率的描述逻辑推理系统。DLog 将描述逻辑公理转换为 Prolog 程序，并使用标准的 Prolog 执行有效地回答实例检索查询，是全 SHIQ 语言的 ABox 推理引擎。DLog 的方法使得个体能够储存在数据库中而不必放在内存中，这提高了可扩展性并有助于在现有信息源的基础上直接使用描述逻辑本体。

Apr, 2009