Проблог

Проблог
Оригинальный автор(ы)	Исследовательская лаборатория DTAI (KU Leuven)
Первоначальный выпуск	11 ноября 2007 г.
Стабильная версия	2.1
Написано в	Питон
Операционная система	Linux , Mac OS X , Microsoft Windows
Тип	Вероятностная логика
Лицензия	Лицензия Apache, версия 2.0
Веб-сайт	данные .cs .кулеувен .быть /проблог /

ProbLog — это язык вероятностно-логического программирования , расширяющий Пролог вероятностями. ^[1]^[2]^[3] Он минимально расширяет Пролог , добавляя понятие вероятностного факта, сочетающее в себе идею логических атомов и случайных величин . Подобно Прологу, ProbLog может запрашивать атом . В то время как Пролог возвращает истинное значение запрошенного атома , ProbLog возвращает вероятность того, что это истинно.

Семантика

Вероятностный факт – это пара $(p,a)$ с $a$ основной атом и $p\in [0,1]$ вероятность $a$ будучи правдой. Правило определяется атомом $h$ , называемый головой, и конечное множество $n$ литералы $\{b_{1},b_{2},...,b_{n}\}$ , называемое телом. Программы ProbLog состоят из набора вероятностных фактов. ${\mathcal {F}}$ и набор правил ${\mathcal {R}}$ . Используя семантику распределения, распределение вероятностей определяется по двузначным обоснованным моделям атомов в программе. Вероятность модели определяется как $P(M)=\prod _{l\in M}P(l)$ где произведение пробегает все литералы в модели $M$ . Для атома запроса $q$ семантика распределения определяет вероятность запроса $P(q)=\sum _{M\models q}P(M)=\sum _{M\models q}\prod _{l\in M}P(l)$ в котором сумма пробегает все модели, где $q$ это правда.

ProbLog поддерживает несколько задач:

Вероятностный вывод: вычислить $P(q)$
Наиболее вероятное объяснение: вычислите наиболее вероятную вероятность модели. $\max _{M\models q}P(M)$
Выборка: генерировать образцы $q$
Обучение на интерпретациях: изучите вероятности программ ProbLog на основе данных.

Пример

Например, ProbLog можно использовать для расчета вероятности намокнуть с учетом вероятности дождя и вероятности того, что кто-то принесет зонтик, следующим образом:

0.4 :: rain(weekday).
0.9 :: rain(weekend).
0.8 :: umbrella_if_rainy(Day).
0.2 :: umbrella_if_dry(Day).

umbrella(Day) :- rain(Day), umbrella_if_rainy(Day).
umbrella(Day) :- \+rain(Day), umbrella_if_dry(Day).
wet(Day) :- rain(Day), \+umbrella(Day).

query(\+wet(weekend)).

Последнее правило перед вопросом гласит, что кто-то промокнет, если идет дождь и не было взято с собой зонтика. Когда ProbLog просят решить задачу «вероятностного вывода», запрос запрашивает вероятность остаться сухим в выходной день. При решении задачи «наиболее вероятное объяснение» ProbLog вернет наиболее вероятную причину того, что он остался сухим, т.е. потому что нет дождя или потому что у человека есть зонтик.

Реализации

Язык ProbLog реализован как библиотека YAP Prolog (ProbLog 1). ^[4] и как автономный фреймворк Python (ProbLog 2) ^[5] Исходный код ProbLog 2 доступен под лицензией Apache License версии 2.0 и доступен на GitHub . ^[6] Язык ProbLog также был реализован как часть пакета программирования вероятностной логики cplint для SWI-Prolog, YAP и XSB. ^[7]

Варианты проблога

ProbLog был расширен или использован в качестве вдохновения для нескольких различных вариантов, в том числе:

DeepProbLog расширяет ProbLog, позволяя параметризовать вероятность с помощью нейронной сети. ^[8]
DTProblog расширяет ProbLog теорией принятия решений . Полезность стратегии определяется как ожидаемое вознаграждение за ее реализацию при наличии вероятностных эффектов. ^[9]
DC-ProbLog расширяет ProbLog фактами распределения, что означает, что вместо вероятностей логический атом имеет соответствующее непрерывное распределение вероятностей.
aProbLog обобщает ProbLog, допуская любое коммутативное полукольцо вместо просто вероятностей. ^[10]
ProbFOIL : учитывая набор фактов ProbLog в виде вероятностной реляционной базы данных, ProbFOIL находит набор вероятностных правил для прогнозирования фактов одного отношения на основе всех других отношений.

Родственные языки

ПРИЗМА: Программирование в статистическом моделировании ^[11]
ICL: Логика независимого выбора ^[12]
CP-логика: язык причинно-вероятностных событий ^[13]
LPAD: логические программы с аннотированными дизъюнкциями. ^[14]
Распределительные предложения: язык вероятностной логики для гибридных реляционных областей. ^[15]

Дальнейшее чтение

Домашняя страница ProbLog ^[5]
Документация Проблога ^[16]
Репозиторий проблогов ^[6]

Ссылки

^ Де Рэдт, Люк; Киммиг, Анжелика; Тойвонен, Ханну (ноябрь 2007 г.). ProbLog: вероятностный пролог и его применение при обнаружении ссылок . IJCAI. Том. 7.
^ Фиренс, Д; Ван ден Брук, Г.; Брюйноге, М.; Де Рэдт, Л. (2012). Ограничения для вероятностно-логического программирования . Материалы семинара NIPS по вероятностному программированию. стр. 1–4.
^ Де Рэдт, Люк; Киммиг, Анжелика (2015). «Концепции вероятностного (логического) программирования» . Машинное обучение . 100 (1): 5–47. дои : 10.1007/s10994-015-5494-z . S2CID 3166992 .
^ «ПробЛог1» . dtai.cs.kuleuven.be .
^ Jump up to: ^а ^б «ProbLog: Вероятностное программирование» . dtai.cs.kuleuven.be .
^ Jump up to: ^а ^б «Репозиторий ProbLog на GitHub» . github.com . 12 октября 2022 г.
^ «cplint – AI@UNIFE» . Проверено 13 ноября 2023 г.
^ Манхаев, Робин; Думанчич, Себастьян; Киммиг, Анжелика; Демистер, Томас; Де Рэдт, Люк (2018). DeepProbLog: нейронно-вероятностное логическое программирование . NeurIPS 2018, Тридцать вторая конференция по нейронным системам обработки информации. стр. 3753–3760.
^ Ван ден Брук, Гай; Тон, Инго; Ван Оттерло, Мартин; Де Рэдт, Люк (2010). «DTProbLog: теоретико-вероятностный Пролог». Материалы конференции AAAI по искусственному интеллекту . Том. 24.
^ Киммиг, А.; Ван ден Брук, Г.; Де Рэдт, Л. (2011). Алгебраический Пролог для рассуждений о возможных мирах . Материалы двадцать пятой конференции AAAI по искусственному интеллекту. стр. 209–214.
^ «ПРИЗМА: Программирование в статистическом моделировании» . rjida.meijo-u.ac.jp .
^ Пул, Дэвид (2008). «Логика независимого выбора и не только». В Люке Рэдте; Паоло Фраскони; Кристиан Керстинг; Стивен Магглтон (ред.). Вероятностное индуктивно-логическое программирование . Конспекты лекций по информатике. Том. 4911. Спрингер. стр. 222–243. дои : 10.1007/978-3-540-78652-8_8 . ISBN 978-3-540-78651-1 .
^ Веннекенс, Йост; Денекер, Марк; Брюйнуг, Морис (2009). CP-логика: язык причинно-вероятностных событий и его связь с логическим программированием . Теория и практика логического программирования. Том. 9. С. 245–308. arXiv : 0904.1672 .
^ «PITA: Вероятностный вывод с составлением таблиц и обобщением ответов» . ml.unife.it .
^ «Распределительные оговорки» . dtai.cs.kuleuven.be .
^ «ProbLog: Документация ProbLog 2.1» . prolog.readthedocs.io .

[ProbLogLinkDiscovery-1] Де Рэдт, Люк; Киммиг, Анжелика; Тойвонен, Ханну (ноябрь 2007 г.). ProbLog: вероятностный пролог и его применение при обнаружении ссылок . IJCAI. Том. 7.

[PLP-2] Фиренс, Д; Ван ден Брук, Г.; Брюйноге, М.; Де Рэдт, Л. (2012). Ограничения для вероятностно-логического программирования . Материалы семинара NIPS по вероятностному программированию. стр. 1–4.

[ProbLogConcepts-3] Де Рэдт, Люк; Киммиг, Анжелика (2015). «Концепции вероятностного (логического) программирования» . Машинное обучение . 100 (1): 5–47. дои : 10.1007/s10994-015-5494-z . S2CID 3166992 .

[ProbLog1-4] «ПробЛог1» . dtai.cs.kuleuven.be .

[ProbLogHomepage-5] Jump up to: ^а ^б «ProbLog: Вероятностное программирование» . dtai.cs.kuleuven.be .

[ProbLogRepository-6] Jump up to: ^а ^б «Репозиторий ProbLog на GitHub» . github.com . 12 октября 2022 г.

[7] «cplint – AI@UNIFE» . Проверено 13 ноября 2023 г.

[DeepProbLog-8] Манхаев, Робин; Думанчич, Себастьян; Киммиг, Анжелика; Демистер, Томас; Де Рэдт, Люк (2018). DeepProbLog: нейронно-вероятностное логическое программирование . NeurIPS 2018, Тридцать вторая конференция по нейронным системам обработки информации. стр. 3753–3760.

[DTProbLog-9] Ван ден Брук, Гай; Тон, Инго; Ван Оттерло, Мартин; Де Рэдт, Люк (2010). «DTProbLog: теоретико-вероятностный Пролог». Материалы конференции AAAI по искусственному интеллекту . Том. 24.

[aProbLog-10] Киммиг, А.; Ван ден Брук, Г.; Де Рэдт, Л. (2011). Алгебраический Пролог для рассуждений о возможных мирах . Материалы двадцать пятой конференции AAAI по искусственному интеллекту. стр. 209–214.

[PRISM-11] «ПРИЗМА: Программирование в статистическом моделировании» . rjida.meijo-u.ac.jp .

[ICL-12] Пул, Дэвид (2008). «Логика независимого выбора и не только». В Люке Рэдте; Паоло Фраскони; Кристиан Керстинг; Стивен Магглтон (ред.). Вероятностное индуктивно-логическое программирование . Конспекты лекций по информатике. Том. 4911. Спрингер. стр. 222–243. дои : 10.1007/978-3-540-78652-8_8 . ISBN 978-3-540-78651-1 .

[CP-Logic-13] Веннекенс, Йост; Денекер, Марк; Брюйнуг, Морис (2009). CP-логика: язык причинно-вероятностных событий и его связь с логическим программированием . Теория и практика логического программирования. Том. 9. С. 245–308. arXiv : 0904.1672 .

[PITA-14] «PITA: Вероятностный вывод с составлением таблиц и обобщением ответов» . ml.unife.it .

[DC-15] «Распределительные оговорки» . dtai.cs.kuleuven.be .

[ProbLogDocs-16] «ProbLog: Документация ProbLog 2.1» . prolog.readthedocs.io .

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]