A casual semantics for Logic Programming
Use este enlace para citar
http://hdl.handle.net/2183/14935Coleccións
- Teses de doutoramento [2150]
Metadatos
Mostrar o rexistro completo do ítemTítulo
A casual semantics for Logic ProgrammingAutor(es)
Director(es)
Cabalar Fernández, José PedroData
2015Centro/Dpto/Entidade
Universidade da Coruña. Departamento de Computación|Resumo
[Resumen]
En esta tesis, extendemos algunas de las principales semánticas de
programación lógica, de manera que la información causal asociada
con un átomo sea incluida en los modelos de cada programa lógico.
Técnicamente, nuestra aproximación consiste en una semántica multivaluada
donde cada átomo está asociado con sus causas en lugar
de con un simple valor de verdad, verdadero o falso. Estas causas
están representadas por valores causales: conjuntos de gráficos incomparables
entre sí que forman un retículo completamente distributivo.
Los valores causales pueden ser útiles para proporcionar
justificaciones que expliquen por que un átomo dado es cierto en
un modelo. Sin embargo, la característica más interesante es que
estos valores puedan ser inspeccionados en el cuerpo de las reglas
del programa por un nuevo tipo de literal causal, lo que permite,
por ejemplo, razonar con enunciados de la forma "A ha causado
B:' En concreto, definimos semánticas causales que son extensiones
de la leasl model, la well-founded model, la slable model y la answer sel
semanlics y demostramos que, para varios de los problemas causales
que investigamos, el razonamiento en estas semánticas no es computacionalmente
más costoso que en sus correspondientes versiones
estándar. También proporcionamos métodos y herramientas para el
cálculo de las soluciones de diversas tareas de razonamiento bajo
estas semánticas y mostramos cómo pueden ser útiles para la representación
de algunos de los ejemplos tradicionales de la literatura.
El apéndice e contiene un resumen extendido en castellano. [Abstract]
In this dissertation, we extend some of the major Logic Programming
semantics, so that causal information is included into the models
of a program. Technically, our approach consists in a multivalued
semantics where atoms are associated to their causes instead of just
assigning them a truth value, true or false. These causes are represented
by causal values: sets of pairwise incomparable graphs that
form a completely distributive lattice. Causal values can be useful
for providing justifications explaining why a given atom holds in a
model, but it is perhaps more interesting that they can be inspected
into the body of program rules by a new kind of causal literal, allowing,
for instance, to reason with statements of the form “A has
caused B.” In particular, we define causal semantics that are conservative
extensions of the least model, the well-founded model, the stable
model and the answer set semantics and show that, for several of the
causal problems we investigate, reasoning under these semantics is
computationally as hard as in their standard counterparts. We also
provide methods and tools for computing reasoning tasks under
these semantics and show how they can be useful for representing
some traditional scenarios of the literature [Resumo]
Nesta tese, ampliamos algunhas das principais semánticas da programación
lóxica de tal xeito que a información causal asociada
cun átomo sexa incluída nos modelos de cada programa. Tecnicamente,
a nosa aproximación consiste nunha semántica multivaluada,
ande cada átomo está asociado ás súas causas no canto dun simple
valor de verdade, verdadeiro ou falso. Estas causas son representadas
por valores causais: conxuntos de grafos incomparables entre
eles que forman un retículo completamente distributivo. Os valores
causais poden ser útiles para proporcionar xustificacións que
expliquen por que un átomo dado é certo nun modelo. Sen embargo,
a característica máis interesante da nasa aproximación é que
estes valores poden ser inspeccionados no carpo das regras do programa
mediante un novo tipo de literal causal, perrnitindo, por exemplo,
razóar con enunciados da forma 11 A causou B:' En concreto,
definimos semánticas causais que son extensións da least model, a wellfounded
model, a s/able model e answer set seman/ics e amosamos que,
para moitos dos problemas causais que temas investigado, as tarefas
de razoamento nestas semántica non son computacionalmente
máis custosas que nas correspondentes versións estándar. Tamén
proporcionamos métodos e ferramentas para calcular as solucións
de varias tarefas de razoamento sobre estas semánticas e amasamos
como poden ser útiles para representar algúns dos exemplos tradicionais
da literatura. O Apéndice O contén un resumo ampliado en
galego.
Palabras chave
Lenguajes de programación-Semántica
Programación lógica
Inteligencia artificial
Programación lógica
Inteligencia artificial
Dereitos
Os titulares dos dereitos de propiedade intelectual autorizan a visualización do contido desta tese a través de Internet, así como a súa reproducción, gravación en soporte informático ou impresión para o seu uso privado e/ou con fins de estudo e de investigación. En nengún caso se permite o uso lucrativo deste documento. Estos dereitos afectan tanto ó resumo da tese como o seu contido Los titulares de los derechos de propiedad intelectual autorizan la visualización del contenido de esta tesis a través de Internet, así como su repoducción, grabación en soporte informático o impresión para su uso privado o con fines de investigación. En ningún caso se permite el uso lucrativo de este documento. Estos derechos afectan tanto al resumen de la tesis como a su contenido