基于 Datalog 的流推理语言的正式比较(扩展版)
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
本文提出 DSR-LM 框架,通过符号编程实现不同 iable 符号推理框架,其中预训练的语言模型控制事实知识的感知,符号模块执行演绎推理,并改进了 LMs 的逻辑推理能力,结果表明其在推理基准测试中的精度提高了 20% 以上。
May, 2023
利用 Datalog+/- 语言中的 Shy 和 Warded Datalog+/- 以及引入的新型推理技术 'chase variants',在基于流式处理架构中实现了 Vadalog 引擎,从而在真实环境中高效解决本体推理任务。
Nov, 2023
研究如何通过对临时流数据进行查询应答来研究与存在性规则推理的推理方法,提出了基于 LARS 的方法,该方法支持存在性规则,同时通过引入合适的时间无环性概念来保证规则的可决定性。
May, 2022
本文介绍了一个名为 DLV$^{DB}$ 的新系统,该系统旨在解决推理海量数据时存在的主存限制,外部数据库管理系统的互动不易等问题,并在比较逻辑推理和数据库的几个先前的系统(LDL ++,XSB,Smodels 和三个顶级商业 DBMS)的实验分析中获得了显着的效能优势。
Apr, 2007
该论文介绍了 DLV 系统,这是一种被广泛认为是分离逻辑编程的最先进实现的系统,并从多个方面进行了阐述,如 DLV 系统的核心语言定义,弱约束,计算复杂性分析,以及其在知识表示和推理,应用开发以及实验测试中的应用。
Nov, 2002
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
描述了 DaRLing 系统,它是一个 OWL 2 RL 本体推理的 Datalog 重写器,在 SPARQL 查询下具有实际适用性。
Aug, 2020