在具有典型性条件逻辑中对多层感知器的优先解释
本篇论文研究了具有典型性的加权条件 ALC 知识库的三种不同语义构建,在逻辑语义学中,基于 “概念分层” 多重优先语义。利用 ASP 和 “asprin” 进行推理,以 phi-coherent 语义为基础,适用于表征 MLPs 的静止状态。作为概念验证,我们尝试检查训练的 MLPs 的性质。
Feb, 2022
本文利用 Answer Set Programming (in particular, asprin) 开发了一个概念感知的多偏好语义,以处理典型性描述逻辑,其中偏好与概念相关,并从包含有缺陷的概念推理的排名 TBoxes 集合开始。利用多偏好方法实现 E L+ bot 下的有缺陷推理。
Jun, 2020
本篇论文研究了多层感知器的逻辑解释,以及在描述逻辑和多偏好语义下加权知识库的防御性推理问题,并提出了新的 ASP 编码和关键字搜索解决方案。
Mar, 2023
该论文提出了一种基于 Markov Logic Network 和知识图谱嵌入方法的概率逻辑神经网络 (pLogicNet) 来推理缺失的三元组,该方法结合了两种技术的优点,并通过多重知识图实验证明了其优越性。
Jun, 2019
本文提出了一种能够描述原型概念组合现象的非单调典型性描述逻辑,它基于合理封闭的典型性描述逻辑 ALC TR 和概率描述逻辑的分布式语义,使用了人类用于概念组合的认知启发式。在此基础上,我们还给出了该逻辑的 EXPTIME 完全性推理方法。
Nov, 2018
研究了多利益相关者的定性偏好问题,并提出了针对该问题的查询语言,研究了不同语义的交互关系,并提供了一个证明正确的算法用于回答多利益相关者的定性偏好查询,通过模型检验和交替自由的 μ 算法,实验证明了该方法的可行性。
Jul, 2023
本论文研究如何更好地表示常识知识,提出了一种概率逻辑表示方案和一种层次化概念本体论,能够更灵活地表示信念,并在神经符号应用中使用。通过专家注释和群众众包,将这个框架扩展到 PrimeNet 知识库,并展示其在更易解释的语义解析和问题回答中的应用。
Nov, 2022
Propositional Typicality Logic is a logic enriched with a typicality operator and studied in terms of ranked models like KLM approach; the semantics introduces non-monotonic features leading to the development of three different (semantic) versions of entailment based on different notions of minimality.
Sep, 2018
本文提出了一个概括的方法来定义渐进论证语义的多值优先解释方式,其中包括有关论据的条件推理和布尔组合,以及有关偏好解释的渐进语义的基于概率的语义,并提出了一个有限值情况下的答案集编程方法来进行多值论证语义的条件推理。
Dec, 2022