本文提出了一种分布式流推理方法，可以在不同解算器之间分配计算并通过数据流通信的方式高效地处理决策问题。在 LARS 语言中提出一种基于间隔的语义，以对网络流量进行显着降低，并在评估中明确表明，分布式流推理在处理复杂的决策问题和不断增长的数据率时明显优于现有的独立 LARS 解算器。

Jul, 2019

Laser 是一种新的 reasoner，它支持扩展 Answer Set Programming（ASP）的 LARS 逻辑的实用、非平凡片段，并实现了一种新颖的评估过程，从而使表达式带注解，以避免在多个时间点重复计算，进而实现对大流的表达式逻辑推理，为流推理用例开启了更广泛的应用范围。

Jul, 2017

通过比较 LARS 程序及 LDSR 语言的表达能力，本文找出了各自的限制条件并确定了它们可以相互表达的片段。

Aug, 2022

研究使用存在规则表示的知识库中的一致查询回答。具体地，建立了一般类别的消解存在规则和多个子类（无环、线性、全面、守卫、粘滞）下的一致查询回答和修复检查的数据复杂性（元组删除语义）。特别是，鉴定了几种情况下问题可处理或甚至是一阶可重写的，并提出了新的查询重写技术，可作为实际的容忍不一致查询回答系统的基础。

Jan, 2024

该研究系统研究了存在性规则对于不同的追踪变体以及基于一阶逻辑的重写的 (chase (non-) termination and FO-rewritability) 影响，从而探讨了相关的开放性问题。

Jun, 2022

本文探讨了如何使用 chase 算法在存在规则的事实集上回答联合查询，介绍了两种新的不将模型扩展到不可数状态的无环性概念，展示了如何基于这些概念构造 OWl2 本体推理器，从而提供了在实践中如何实现这些系统的基本理论解释。

Feb, 2014

本文探讨存在规则作为本体规范的形式化方法，重点研究了如何将传递性与可判定类的存在规则组合，并给出了能够安全添加传递性的情况和相应的查询重写算法。

Apr, 2015

本研究旨在模型理论中建立存在规则语言的模型论特性，如嵌入依赖项，元组生成依赖项和线性依赖项，并确定它们的复杂度限制。

Jan, 2020

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

本文主要探讨了知识表示中重要的可决定性工具 ——Chase 算法与证明理论中的证明搜索算法之间的联系，特别是在一阶逻辑的 Gentzen 序列演算的推广中探究了在存在性规则的情况下 Chase 机制本质上与证明搜索相同，并通过证明搜索生成知识库的通用模型，该特征也与 Chase 算法相同。

Jun, 2023