Probabilistische Beschreibungslogik als Fragment der Probabilistischen Logik Erster Stufe

Third party funded individual grant


Project Details

Project leader:
Prof. Dr. Lutz Schröder


Contributing FAU Organisations:
Lehrstuhl für Informatik 8 (Theoretische Informatik)

Funding source: DFG-Einzelförderung / Sachbeihilfe (EIN-SBH)
Acronym: ProbDL
Start date: 01/04/2011


Abstract (technical / expert description):


In vielen Anwendungen von Beschreibungslogik, etwa in bio-medizinischen Ontologien, spielt unsicheres Wissen eine wichtige Rolle. Da jedoch klassische Beschreibungslogiken Fragmente der Logik erster Stufe sind, stellen sie keinerlei Ausdrucksmittel für derartiges Wissen zur Verfügung. Aus diesem Grund besteht seit einiger Zeit großes Interesse an probabilistischen Erweiterungen von Beschreibungslogiken. Die Anwendung existierender Erweiterungen dieser Art erfolgt aber eher zögerlich, da diese entweder aus Sicht der aktuellen Forschung veraltet sind oder aber Wahrscheinlichkeiten und nicht-monotone Aspekte in einer Weise mischen, die in einer schwer verständlichen Semantik resultiert. Das Ziel dieses Forschungsvorhabens ist es, eine neue Familie von Beschreibungslogiken zu definieren und analysieren, die sich zur wohletablierten probabilistischen Logik erster Stufe in gleicher Weise verhalten wie klassische Beschreibungslogiken zur klassischen Logik erster Stufe. Wie in unserer Vorarbeit demonstriert, erhält man durch dieses Vorgehen eine transparente Semantik, eine nützliche Ausdrucksstärke und gute Berechnungseigenschaften. Ebenso wie für probabilistische Logik erster Stufe wird es Varianten unserer Logik geben, die zur Repräsentation statistischer Wahrscheinlichkeiten geeignet sind, sowie Varianten für subjektive Wahrscheinlichkeiten und für eine Mischung der beiden Arten von Wahrscheinlichkeit. Wir werden ausdrucksstarke Beschreibungslogiken wie SHIQ und SROIQ erweitern, um möglichst ausdrucksstarke (aber noch entscheidbare) probabilistische Beschreibungslogiken zu erhalten. Zusätzlich werden wir, auf der Grundlage ausdrucksschwacher klassischer Beschreibungslogiken wie EL und DL-Lite, probabilistische Beschreibungslogiken identifizieren, die Schlussfolgern in polynomieller Zeit erlauben. Für alle neuen Logiken werden wir die Ausdrucksstärke und die Berechnungskomplexität verschiedener Schlussfolgerungsprobleme (Subsumption, Berechnung von Wahrscheinlichkeiten, Top-k Answers in der Beantwortung von konjunktiven Anfragen) analysieren. Die gewonnenen Erkenntnisse sollen dann auf probabilistische Logiken erster Stufe rückübertragen werden, um dort entscheidbare Fragmente zu identifizieren. Da manche Aspekte unsicheren Wissens (wie etwa der Zusammenhang von statistischen und subjektiven Wahrscheinlichkeiten) inhärent nicht-monoton sind, werden wir auch Erweiterungen der neuen Logiken um nicht-monotone Aspekte studieren. Endergebnis des Projekts ist ein umfassendes Rahmenwerk für die ontologische Repräsentation unsicheren Wissens mit klar verständlicher Semantik und umfassend herausgearbeiteten Berechnungseigenschaften.


Publications
Go to first page Go to previous page 1 of 4 Go to next page Go to last page

Wild, P., Schröder, L., Pattinson, D., & König, B. (2018). A van Benthem theorem for fuzzy modal logic. In 33rd Annual ACM/IEEE Symposium on Logic in Computer Science, LICS 2018 (pp. 909-918). IEEE.
Wild, P., & Schröder, L. (2017). A Characterization Theorem for a Modal Description Logic. In Proceedings of the Twenty-Sixth International Joint Conference on Artificial Intelligence, IJCAI 2017, Melbourne, Australia, August 19-25, 2017 (pp. 1304--1310).
Evert, S., Heinrich, P., Henselmann, K., Rabenstein, U., Scherr, E., & Schröder, L. (2017). Combining Machine Learning and Semantic Features in the Classification of Corporate Disclosures. In Loukanova R, Liefke K (Eds.), Proceedings of the Workshop on Logic and Algorithms in Computational Linguistics 2017 (LACompLing2017) (pp. 47 - 62). Stockholm, SE: Stockholm: Stockholm University.
Dorsch, U., Milius, S., Schröder, L., & Wißmann, T. (2017). Efficient Coalgebraic Partition Refinement. In Meyer R, Nestmann U (Eds.), Proc. 28th International Conference on Concurrency Theory (CONCUR 2017) (pp. 28:1--28:16). Schloss Dagstuhl.
Gorin, D., Meyn, M., Naumann, A., Polzer, M., Rabenstein, U., & Schröder, L. (2017). Ontological Modelling of a Psychiatric Clinical Practice Guideline. In KI 2017: Advances in Artificial Intelligence - 40th Annual German Conference on AI, Dortmund, Germany, September 25-29, 2017, Proceedings (pp. 300--308).
Gutierreiz-Basulto, V., Jung, J.C., Lutz, C., & Schröder, L. (2017). Probabilistic Description Logics for Subjective Uncertainty. Journal of Artificial Intelligence Research, 58, 1--66. https://dx.doi.org/10.1613/jair.5222
Hausmann, D., Schröder, L., & Egger, C. (2016). Global Caching for the Alternation-free Coalgebraic mu-calculus. In Proceedings of the 27th International Conference on Concurrency Theory, CONCUR 2016 (pp. 34:1-34:15). Québec City, Canada: Dagstuhl: Schloss Dagstuhl - Leibniz-Zentrum für Informatik.
Hausmann, D., Schröder, L., & Egger, C. (2016). Global Caching for the Alternation-free mu-Calculus. In Josée Desharnais, Radha Jagadeesan (Eds.), 27th International Conference on Concurrency Theory, CONCUR 2016, August 23-26, 2016, Québec City, Canada (pp. 34:1--34:15). Québec City, CA: Dagstuhl: Schloss Dagstuhl - Leibniz-Zentrum fuer Informatik.
Schröder, L., & Pattinson, D. (2016). Program Equivalence is Coinductive. In Martin Grohe, Eric Koskinen, Natarajan Shankar (Eds.), Proceedings of the 31st Annual ACM/IEEE Symposium on Logic in Computer Science, LICS 2016, New York, NY, USA, July 5-8, 2016 (pp. 337--346). New York, US: New York: ACM.
Milius, S., Schröder, L., & Wißmann, T. (2016). Regular Behaviours with Names - On Rational Fixpoints of Endofunctors on Nominal Sets. Applied Categorical Structures, 24(5), 663--701. https://dx.doi.org/10.1007/s10485-016-9457-8

Last updated on 2018-22-11 at 18:41