Jan, 2024
概率逻辑编程中的解释解释
Explaining Explanations in Probabilistic Logic Programming
TL;DR基于可解释的概率逻辑编程和查询驱动的推理机制，本研究提出一种解释解释的方法，以使黑盒人工智能系统的解释更易理解。
Abstract
The emergence of tools based on artificial intelligence has also led to the need of producing explanations which are understandable by a human being. In some approaches, the system is not transparent (often refer
发现论文，激发创造
带有答案集的概率推理
本文提出了一个基于Answer Set Prolog作为逻辑基础、以因果贝叶斯网络为概率基础的声明式语言P-log，用于知识表示和知识更新，并给出了多个例子表明更新方法更加优越。同时，论文给出了实现P-log程序的充分条件，并证明了Bayes nets的易于映射到符合条件的P-log程序上。
Dec, 2008
CP-logic：因果概率事件语言及其与逻辑规划的关系
本文介绍了一种逻辑语言，用于表示概率因果律，该语言可以被用于概率逻辑编程，并且可以自我解释为概率因果律的表示方法，从而提供了解释这些编程背后想法的新方法。
Apr, 2009
使用加权布尔公式的概率逻辑程序推理和学习
本文研究了一种具有概率注释的逻辑程序，并探讨了如何通过将程序和查询转换为加权布尔公式的方式，实现计算边际值、学习参数估计等推理任务，并通过预期最大化算法实现参数估计，实验结果证明，该方法可以提高概率逻辑编程的状态水平，并从解释中学习到程序的参数。
Apr, 2013
分层知识库作为可解释的概率模型（扩展摘要）
本文倡议使用分层逻辑理论来表示概率模型，得出这种编码比现有框架如马尔科夫逻辑网络获得的编码更易于解释的结论。它允许使用领域专家通过直接修改逻辑公式来改善学习的模型。
Nov, 2016
机器学习中基于逻辑的可解释性
本文概述了现有关于计算机生成机器学习模型正式解释的研究，旨在与之前基于非正式解释的方案进行比较，并讨论了各种问题，包括基于不同机器学习模型的最佳逻辑编码以及如何使解释具有可解释性。
Oct, 2022
概率逻辑编程中的“What if?
本文扩展了ProbLog语言，增加了“What if”查询的功能，并提出了一种能够处理ProbLog程序的反事实查询的方法，同时提供了完整的实现以及对查询可扩展性的影响的洞见，并显示了该方法与具有析取注释的逻辑程序的因果语义一致。
May, 2023