smProbLog: Stable Model Semantics in ProbLog for Probabilistic Argumentation

要約

タイトル：Probabilistic ArgumentationにおけるsmProbLogの安定的なモデル意味論

要約：

– Argumentation problemsは、関係構造から一連の議論の受容性を決定する問題に関連しています。
– 利用可能な情報が不確実である場合、確率論的議論フレームワークはそれに対応するモデリングツールを提供します。
– この論文の最初の貢献は、確率論的議論フレームワークを確率論的論理プログラムとしての新しい解釈であることです。
– 確率論的論理プログラムは、一部の事実が確率で注釈付けされた論理プログラムです。
– 確率的議論フレームワークを表すプログラムは、確率論理プログラミングセマンティクスの一般的な仮定を満たさないことを示します。
– 次に、この論文の第二の貢献は、確率的予測事実が論理的アトムの真偽を一意に決定しないプログラムのための新しいPLPセマンティクスです。
– この論文の第三の貢献は、このセマンティクスをサポートするPLPシステムの実装であり、それがsmProbLogです。
– smProbLogはProbabilistic Logic Programming言語ProbLogに基づく新しいPLPフレームワークであり、PLPの多くの推論および学習タスクをサポートします。
– これらの貢献によって、確率論的議論に対する新しい推論ツールを提供し、提案されたアルゴリズムの計算コストおよび議論問題のデータセットへの適用を評価します。

要約(オリジナル)

Argumentation problems are concerned with determining the acceptability of a set of arguments from their relational structure. When the available information is uncertain, probabilistic argumentation frameworks provide modelling tools to account for it. The first contribution of this paper is a novel interpretation of probabilistic argumentation frameworks as probabilistic logic programs. Probabilistic logic programs are logic programs in which some of the facts are annotated with probabilities. We show that the programs representing probabilistic argumentation frameworks do not satisfy a common assumption in probabilistic logic programming (PLP) semantics, which is, that probabilistic facts fully capture the uncertainty in the domain under investigation. The second contribution of this paper is then a novel PLP semantics for programs where a choice of probabilistic facts does not uniquely determine the truth assignment of the logical atoms. The third contribution of this paper is the implementation of a PLP system supporting this semantics: smProbLog. smProbLog is a novel PLP framework based on the probabilistic logic programming language ProbLog. smProbLog supports many inference and learning tasks typical of PLP, which, together with our first contribution, provide novel reasoning tools for probabilistic argumentation. We evaluate our approach with experiments analyzing the computational cost of the proposed algorithms and their application to a dataset of argumentation problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI