COMPSPEN:对形状性质与数据约束进行融合推理的分离逻辑求解器

分离逻辑是经典霍尔逻辑的针对操作指针和动态数据结构的扩展,已经广泛用于对基础软件(比如操作系统内核等)的分析与验证.分离逻辑约束自动求解是提升对操作指针和动态数据结构的程序的验证的自动化程度的重要手段.针对动态数据结构的验证一般同时涉及形状性质(比如单链表、双链表、树等)和数据性质(比如有序性、数据不变性等).主要介绍能对动态数据结构的形状性质与数据约束进行融合推理的分离逻辑求解器COMPSPEN.首先介绍COMPSPEN的理论基础,包括能够同时描述线性动态数据结构的形状性质和数据约束的分离逻辑子集SLIDdata、SLIDdata的可满足性和蕴涵问题的判定算法.然后,介绍COMPSPEN工具的基本框架.最后,使用COMPSPEN工具进行了实例研究.收集整理了600个测试用例,在这600个测试用例上将COMPSPEN与已有的主流分离逻辑求解器Asterix、S2S、Songbird、SPEN进行了比较.实验结果表明COMPSPEN是唯一能够求解含有集合数据约束的分离逻辑求解器,而且总体来讲,能对线性数据结构上的同时含有形状性质和线性算术数据约束的分离逻辑公式的可满足性问题进行高效的求解,另外,也能对蕴涵问题进行求解.

模糊描述逻辑知识库查询蕴涵的判定方法

大规模领域本体的快速发展对语义Web领域的数据访问提出了更高的要求,而基本的本体推理服务已不能满足数据密集型应用中处理复杂查询(主要是合取查询)的迫切需要.为此,大量的研究工作集中在本体和描述逻辑知识库合取查询算法的设计实现上,并开发出了很多知识库存储和查询的实用工具.近来模糊本体和模糊描述逻辑的研究,特别是它们在处理语义Web中模糊信息方面,得到了广泛关注.文中重点研究了模糊#0这一族极富表达能力的描述逻辑知识库的合取查询问题,提出了相应的基于推演表的算法,证明了算法对于f-#0123的真子逻辑的可靠性、完备性和可终止性.证明了算法对于f-#0123是可靠的,并分析了导致算法不可终止的原因.对于该问题的数据复杂度,证明了当查询中不存在传递角色时其严格的CONP上限.对于联合复杂度,证明了算法关于知识库和查询大小的CO3NEXPTIME时间复杂度上限.

谈列文森等级数量含义

列文森(Levinson)三原则弥补了格赖斯(Grice)合作原则对一般会话含义缺乏解释力的不足,尤其是他的等级数量原则,有一定的实用性,经常被拿来解释很多语言现象.然而,列文森过于夸大了逻辑的作用,而忽视了语言运用这么一个大环境,这样就造成了在实际语言运用中一些语言现象逻辑不能解释,或者在逻辑上可接受但在实际运用中却不合理的现象.此外,由于目前义素分析很难将每个词分析到最终可以比较的程度,这也成为判断各个等级项之间的语义强弱关系的障碍.笔者将从语义蕴涵的不一致性、逻辑蕴涵与语义蕴涵的区别、等级含义可撤销性的可接受程度等方面论述等级数量含义,希望能进一步完善列文森三原则之一的等级数量原则,尤其是弥补这一原则在语言实际运用中可操作性方面的一些不足.

一种在关系型数据库中存储OWL对象的方法

本为在调查了几种在关系型数据库中存储OWL和RDF对象的方法的基础上,分析了每种方法的不足,提出了一种新的方法,即把每类对象和属性的实例存储在数据库单独的表中,使用数据库中的视图来表示对象之间的关系。我们也实现了一个Java程序来实现描述逻辑推理器的功能,把用户输入的一阶谓词逻辑查询转换成为关系型数据库的SQL语句。实验证明,本方法适用于中等数量的OWL对象的存储。

三值自由模态逻辑FML

FML是以自由逻辑为基础构建起来的一个三值模态谓词逻辑表列系统。若一个词项无所指(空词项)则包含该词项的简单句子无所指(即无真值),FML的偏函数语义模型体现了这一思想。通过借鉴普利斯特的一度衍推系统和菲汀的抽象谓词思想,FML系统刻画了在内涵语境下关于空词项的推理规律。最后,用数模的方法证明了FML的强完全性。

先设的本质及其研究

先设是当代语言学中的重要研究领域.本文介绍了100多年来哲学家和语言学家对先设问题的研究成果,并主要讨论了先设研究的两个方向:语义先设和语用先设,以及两者的差异:语义先设将先设定义为句子和句子或命题与命题之间的二元关系,并借助真值和逻辑蕴涵解释先设事实.语用先设涉及的是说话人、语境、句子和命题组之间的关系,要求我们在解释先设时考虑说话人的信念和语境方面的因素.

三种概念学习形式的逻辑定义与归约

介绍了３种主要的概念学习形式———解释学习、断定学习（部分解释学习）和满足学习，讨论了这３种概念学习形式的归约关系．

蕴涵和预设判别的逻辑语义标准:困境与对策

本文在探讨蕴涵和预设概念的基础上,从逻辑语义的视角讨论了蕴涵和预设的区别和各种鉴别方法的长短之处,澄清了这几个问题:(1)蕴涵和预设各有自己的触发机制,很有必要辨别这些触发机制的特点;(2)无论从逻辑还是从语义上看蕴涵和预设都有重叠之处,因此割裂逻辑和语义来区分蕴涵与预设都会产生偏颇;(3)蕴涵和预设的关系复杂,但是掌握好它们的各种语义触发机制和逻辑关系,再辅以各种鉴别方法,还是能够把它们有效区分开来。基于此,本文不提倡把预设并入蕴涵,或者把蕴涵并入预设的做法。

宇宙智能、人类智能、人工智能

在半个世纪内先后出现的“认知模拟”、“人机合一”都不是真正的“人工智能”正确的指导方针 宇宙具有按一定的逻辑结构、逻辑规律由已有事件向新事件必然过渡的逻辑运演机制 ,这便是“宇宙智能” ,人认识后便是从已知进入新知 这客观的必然过渡就是客观的“制约关系” 人类、机器按各自能实现的方式去摹写、模拟宇宙智能 ,便分别是“人类智能”、“人工智能” 人工智能的基础装置是基于制约逻辑的内涵智能机 ,其硬件的核心元件是能模拟客观的制约关系的“制约门”

标记逻辑的TABLEAU判定过程

标记逻辑是一种重要的次协调逻辑，和｜≈是标记逻辑中的２种推理关系．二者都是次协调的，可以用统一的方法处理一致的知识与不一致的知识，是单调的，有基于归结的证明论，但不能保持经典逻辑中合理的推理，如三段论．｜≈是非单调的，在前提一致时等价于经典逻辑的推理关系，但缺少有效的证明论．

对等级含义研究的思考

对国内等级含义研究进行了概述,对选择强项否定弱项产生的意义以及等级含义与认知的关系进行了研究,指出选择强项意味着否定弱项,而对弱项的否定意义同样是选择强项的等级含义,把等级含义置入认知环境中研究将有助于进一步理解等级含义的本质。

制约逻辑与情报推理

逻辑科学在情报学学科中几乎主要地被应用于情报检索领域,而情报检索领域中涉及推理的内容主要地散见于人工智能推理机制中。人工智能研究以正统数理逻辑为其逻辑理论工具。由于正统数理逻辑把原本能确保不循环的推理格式处理成同语反复的恒真的真值函数。因而建立在这种逻辑理论基础之上的人工智能专家系统并不能真正实现从已知到新知的必然过渡。情报推理仍需要寻求一种更合适的逻辑理论工具。

限定逻辑的表列方法

限定逻辑是由McCarthy创立的非单调逻辑的一个重要分支。限定逻辑最大的困难在于其算法的设计。基于表列方法,可以给出命题限定逻辑和公式限定逻辑两种形式证明程序。

“部分”、“有的”之逻辑辨析

从语言的角度讲 ,“部分”与“有的”都没有断定其全部。但从逻辑上讲 ,二者却有着明显的区别。二者对应的逻辑范畴不同 :“部分”与“整体”(“全部”)相对 ,而“有的”与“所有”相对 ;二者的逻辑涵义不同 :“部分”排除了“整体”(“全部”) ,在数量上是较为确定的 ,仅指整体的组成成分 ,而“有的”除了表达其存在性之外 ,在量上是不确定的 ,它表示“至少一个 ,亦可多个 ,甚至可指所有” ,它与“所有”没有不可逾越的鸿沟 ;二者在逻辑上的真值不同 :由“有的”组成的特称命题与由“所有”组成的全称命题可构成传统的逻辑方阵 ,而由“部分”组成的命题与由“全部”

论“两独”与“两依”——兼评《制约逻辑元思想剖析》一文

真正的充分条件关系刻划清楚后便是制约关系,事实上具有"两个独立性"。离散数学正统数理逻辑不研究真正的充分条件关系。二值函数实质蕴涵事实上具有与"两个独立性"相对立的"两个依赖性",从而并非真正的充分条件关系的"逻辑抽象"。即使在正统数理逻辑中作为逻辑工具使用的"若,则"乃是事实上具有"两个独立性"的制约,而并非为其所研究的实质蕴涵。希望进行立足原文原意的纯学术讨论。

制约逻辑才是知识表示的合适的逻辑工具(英文)

专家系统中产生式规则的"若…则…"的前后件问存在着的是制约逻辑所揭举的制约关系中的两个独立性:可独立于前后件的真假确定不会是前真而后假(一独),前件为真可独立于后件的真假确定(二独).从形式上说,当制约逻辑C.系统中的"制约"、"必定"分别跟狭谓词演算F中的→、V x作对应时.Cn与F是交叉关系.F中的定理可成为专家系统中的规则,当且仅当,F中的定理翻译成Cn的式后也是Cn的定理.在F之外有无限多个实际可用的有效规则,这些规则在Cn中是定理."A必然B"就是"A制约B",表达式皆为A→B."A可能B"、"A偶然B"、"A彻底地偶然B"可从一得到定义.制约逻辑成功地避免了实质蕴涵怪论和一般模态逻辑避免不了的严格蕴涵怪论.它的表达功能和推理能力比以往的任何系统都强而且丰富.制约逻辑是知识表示自々合适的逻辑工具.正统数量逻辑和形形色色的非古典逻辑(包括衍推逻辑、相关逻辑等)以及传统形式逻辑都不是知识表示的合适工具。

传统直言命题的制的逻辑剖析(英文)

传统直言命题A、E、I、O作为“命题形式”其逻辑语义没有规定清楚，逻辑结构尚未完全定型，因而至今还存在种种逻辑理论上的问题．我们根据主词S外延的不同将传统直言命题二分为外延命题和内涵命题两大类．当直言命题的主词S的外延是可进一列举的有限集时为外延命题．与A、E、I、O相对应的外延命题依次为：P(e1)ΛP(e2)Λ…ΛP(ei)Λ…ΛP(em),P(e1)ΛP(e2)Λ…ΛP(ei)Λ…ΛP(em),P(e1)∨P(e2)∨…∨P(ei)∨…∨P(em)，P(e,)∨P(e2)∨…∨P(ei)∨…∨P(em)．当主词S的外延是无限集、不可进一列举的有限集或空集时为内涵命题．与A、E、I、O相对应的内涵命题依次为：S（x）P（x）、S（x）P（x）、S（x）！P（x）、S（x）！P（x）．已经验证了，四种外延命题和主调可空而不自相矛盾的四种内涵命题全都满足传统的推理格式．

只有制约逻辑才能作为人工智能的逻辑工具

对宇宙的显示实施机器表示,加到原有的知识表示系统中去,行使机器推理,去得出前所未有的新的知识表示的机器运行过程,就称为人工智能。能从已有的知识得出新的知识是人工智能的根本。正统数理逻辑和形形色色的非古典逻辑不是正确的推理理论,不能作为人工智能的逻辑工具。思想非凡、创见迭出的崭新的制约逻辑重新明确了逻辑科学的研究对象是客观世界的逻辑结构和规律,揭举了条件(即实质制约)关系的两个独立性,找到了推理能得出新知的逻辑根据,摒弃了所谓"逻辑量词",建立了不用量词的名词演算,确定而合理地解决了逻辑史上一系列久悬未决的难题,向人类认识提供了从已知得出新知的正确推理工具,成为真正的逻辑科学,表达能力强而且丰富,逻辑处理方法独特,简便,又无歧义,因而只有制约逻辑才能作为人工智能的逻辑工具。

用CERLEL方法表达知识

本文简单介绍了ER模型(美国数据库专家PeterP.Cher教授的实体—关系模型),强调了用它描述客观世界,尤其是面向结构对象知识的可行性。接着阐述了知识表示中用我国杰出的逻辑学家林邦谨的制约逻辑(简称LEL)取代正统数理逻辑的必要性和可能性。最后作者提出了一种通用的知识表示模式——CERLEL方法(实体—关系模型和制约逻辑相结合的方法)。提出CERLEL方法的目的是为知识库系统的设计提供一种通用工具。

制约逻辑在人工智能中的应用

本文从数理逻辑对人工智能发展的局限出发,分析了制约逻辑与人工智能的辩证关系,最后总结了制约逻辑为人工智能的智能模拟提供了理论基础和推理作用。