多偏好逻辑GMPL

针对缺乏多类型偏好共存的偏好逻辑系统的现状,MPL(logic of many kinds of preference)被构造为一种能够表示和推理四类型偏好的偏好逻辑,但是MPL的语义基于全前序偏好结构,因而不能表示不完全偏好.为此,提出了偏好逻辑GMPL(a generalized edition of MPL).此外,通过常见逻辑偏好的GMPL重写表明GMPL较强的表达能力和实际应用前景.并提出一种将GMPL的SAT问题归结为命题逻辑的SAT问题的方法.     

基于知识图谱的用户偏好神经建模框架

针对目前基于特征和基于路径的知识图谱感知推荐方法的不足,文中提出端到端的将知识图谱引入推荐系统的用户偏好神经建模框架(NUPM).该框架以用户在知识图谱中的历史访问项目为偏好起点,通过知识图谱中实体间的关系链接传播用户偏好,学习用户的潜在偏好,同时使用注意力网络融合各传播阶段偏好特征以构建最终的用户偏好向量.在真实数据集上的对比实验表明文中框架在个性化推荐中对用户偏好刻画的有效性.     

基于信任系统的条件偏好协同度量框架

为了减少偏好度量过程中的人为干预,同时提高偏好度量算法的效率和准确性,提出一种基于信任系统的偏好协同度量框架。首先,提出了规则间的距离和规则集的内部距离等概念来具体化规则之间的关系。在此基础上,提出了基于规则集平均内部距离的规则集聚合算法PRA,旨在保证损失最少信息的情况下筛选出最具代表性的全体用户的共同偏好,即共识偏好。之后,提出Common belief的概念和一种改进的信任系统,使用共识偏好作为信任系统的证据,在考虑用户一致性的同时还允许用户保留个性化信息。在信任系统下,提出了基于信任系统的有趣度度量标准,并量化了偏好的信任度和偏离度,用于描述用户偏好和信任系统的一致或相悖程度,并将用户偏好分为泛化偏好或个性化偏好,最终依据信任度和偏离度得出有趣度,从而找出最有趣的规则。在计算有趣度的过程中,提出了一个可以使用不同信任度公式来计算有趣度的可扩展的计算框架。为了进一步验证度量框架的准确性和有效性,以加权的余弦相似度公式和相关系数公式为例,提出了IMCos算法和IMCov算法。实验结果表明,信任度和偏离度有效地反映了偏好的不同特征,并且与两种最新的算法CONTENUM和TKO相比,度量框架发现的Top-K规则在召回率、准确率和F1-Measure等指标上均更优。     

具有偏好关系网络结构稳定的群决策协商控制模型

挖掘群决策偏好关系结构信息,提出决策者个体偏好与群体偏好关系以及网络结构稳定的群决策协商控制模型.根据模型提供个体偏好参考基准,计算决策者及群体的偏好相容性测度.通过决策者建立、取消(断开)或加强与其他决策者的链接以及对偏好信息进行调整的策略建议,促使决策者个体偏好、群决策偏好关系网络结构正向演化,在模型框架下保证群体偏好网络结构稳定,达到群体偏好信息相容性极大的目的,为进一步信息集结提供依据.     

一种基于逻辑框架的数字版权管理机制和实现

权利描述语言用来构造许可证,描述数字内容的使用权利.鉴于现存的权利描述语言存在表达力不足、缺乏正式语义等问题,提出一种基于逻辑框架的数字版权管理语言LucScript.对该语言框架的逻辑语义、语法和触发运行机制进行了分析和说明,描述了该语言的实现方法,并对该语言的应用和使用控制过程进行了示例.该语言基于统一的具有单一稳态结构的Active-U-Datalog语义,具有比现存权限描述语言更强的表达力和灵活性.LucScript语言可有效地提高DRM系统对数据内容使用的灵活性和实时控制能力.     

基于偏好逻辑的网络流QoS类动态聚集方法

现有的网络业务流到QoS(Quality of Service)类的聚集一般采用定量的聚集方式,这类方法需要业务流给出确定的QoS参数值,并且QoS参数之间的权重系数是精确的,系统设置的QoS类也是固定不变的;而现实中,这些因素往往是不确定、不精确的.于是本文引入定性的偏好逻辑理论、并结合QoE(Quality of Experience)建模业务流的偏好需求,再基于霍尔逻辑对冲突的偏好需求进行有效的检测和消除,继而借助非单调推理在动态变化的候选集QoS类中进行选择,最终实现一种以偏好为内容的QoS类动态聚集方法 PLM(Preference Logic Model for flows aggregation).实验结果表明,本文提出的聚集方法,可有效建模业务流不确定、不精确的QoS需求;在高可变的动态环境中,当业务流QoS需求发生变化,或QoS类发生变化,都能对业务流进行有效的聚集调节以充分利用系统资源.因此,与其他聚集方法相比,在延时、丢包率、吞吐量等各个方面表现优良.     

任务级行动序列问题中的定性偏好研究

关注了一类典型行动序列,研究如何在动作集合上存在定性偏好,且偏好集合存在不一致性时开展规划。所考虑的行动序列问题称为任务级COA,以抽象层次的动作为基本要素,所考虑的定性偏好包括静态偏好和时序偏好,所讨论的规划目的是获得最大满意度的COA方案。首先建立了偏好与约束的归一化形式描述,在此基础上形成了COA方案设计算法;进一步,使用计算辩论技术排除偏好集合中的不一致性,形成用户接受度最高的COA方案。文中建立的以定性推理为基础的规划框架,实现了偏好解耦,能够适应不同的领域问题,是以定量计算为基础的传统规划算法的有效补充。通过快速响应卫星成像的COA案例,演示了算法的可行性。     

支持本体推理的P3P隐私策略冲突检测研究

隐私偏好平台(platform for privacy preferences,P3P)主要被用于在用户访问网站时保护用户的隐私。同时,如何使用语义Web技术实现P3P隐私框架已经成为一个主要的关注点。分析了如何使用本体描述语言(Web ontoloty language,OWL)对P3P隐私策略及用户隐私偏好进行知识表示,并提供了若干使用OWL公理描述的约束,这些约束将为推理提供支持。分析了如何使用推理对服务隐私策略同用户隐私偏好之间的冲突进行检测。通过实验证明了该方法的正确性。     

面向CSCL的主观偏好协作算法研究

以个体协作伙伴的选择问题为研究对象,针对以往分组时缺乏对学习者的主观偏好(主要是性格偏好)的考虑,以及对学习伙伴的学习兴趣的关注少,提出了基于主观偏好的CSCL(Computer supported collaborative learning )协作伙伴选择算法,并给出了详细的求解过程,使得协作伙伴的选择更接近实际,更能体现以人为本的思想.     

基于判断聚合逻辑的偏好聚合分析

如何将个体理性偏好聚合为群体理性偏好是社会理性认知研究面临的主要难题,判断聚合研究为偏好聚合问题的分析提供了新思路。从逻辑的视角探究判断聚合与偏好聚合之间的关系,分析了判断聚合模态逻辑JAL,证明利用一阶逻辑语言基于JAL可以构建一个偏好聚合的模态逻辑JAL(LK),以将偏好聚合转化为判断聚合来处理,因而判断聚合模型更具一般性。     

一种Agent的偏好系统及其建立

受到Agent偏好模型的启发,提出了一个新的描述人们行为的偏好系统称为AF系统,它将Michael Freund的理性偏好推理与Adams提出的经典的归纳逻辑和概率逻辑相结合,即借助经典的逻辑系统,把人们的逻辑推理和以人们的偏好取向为基础的常识性推理以及以主观愿望为基础的意向推理结合在一起成为一个有机系统,并且在这个系统下提出Agent的理性偏好的建立方法以及推理步骤.最后给出一个实例,说明它能根据人们的部分愿望,全面估计人们的偏好走向,而且一旦人们的基本态度有所转向,偏好结构也可做相应调整,无需做根本改动,因此它具有鲁棒性和实用价值.     

A logical foundation for the semantic Web

World Wide Web (WWW) has been one of important channels from which people acquire information and services, but most web pages are only used by humans at pre-sent, and these pages cannot be processed and understood automatically by computers. The semantic Web is an essential reformation of Web. The main objective of the seman-tic Web is to enrich Web with semantics and make Web be understood by computers, in order to communicate and cooperate between people and computer. The key of the se-…     

动态描述逻辑推理的并行计算技术

在设计用于处理大规模本体和数据的推理引擎时,推理引擎的可扩展性是一个需要研究的重要问题.动态描述逻辑要在真实环境中获得成功应用,需要在推理中采用并行计算技术.提出了两种方法将并行计算技术应用于动态描述逻辑推理.方法1是设计分布式动态描述逻辑框架.分布式动态描述逻辑由若干独立的动态描述逻辑所组成,这些动态描述逻辑两两之间通过桥规则联系起来.提出了基于Tableau的分布式推理算法,从而为分布式动态描述逻辑提供了全局推理能力,并且该算法可以将大的推理任务分解为若干子任务,而这些子任务可以被不同的推理主体并行处理.方法2是并行化动态描述逻辑的Tableau算法的不确定分支.不确定分支的并行计算使得推理任务可以在若干独立机器上同时执行.最后,介绍了推理引擎的原型实现并评估了其性能.实验结果表明提出的两种方法取得了明显的推理加速效果.     

Preferences and explanations

In abductive reasoning, preference criteria for selecting the best explanation are regarded as qualitative properties (like being simpler or more plausible) which are beyond the pure causal or deductive relationship between an explanandum and its explanations. This paper is a contribution to the clarification of the relationship between preference criteria and structural properties of explanatory reasoning. We present a detailed analysis of the connection between the logical properties satisfied by a logic-based explanatory process and the structural properties satisfied by the criterion used for selecting the preferred explanations. Namely, we characterize the postulates introduced in a previous work [Artificial Intelligence 111 (2) (1999) 131-169] as those satisfied by explanatory relations defined by preference relations over formulas. Several examples illustrating our results are analyzed, including well known preference criteria like expectation orders, preferential orders and other selection criteria that have appeared in the literature.     

Reasoning about preferences in argumentation frameworks

The abstract nature of Dung's seminal theory of argumentation accounts for its widespread application as a general framework for various species of non-monotonic reasoning, and, more generally, reasoning in the presence of conflict. A Dung argumentation framework is instantiated by arguments and a binary conflict based attack relation, defined by some underlying logical theory. The justified arguments under different extensional semantics are then evaluated, and the claims of these arguments define the inferences of the underlying theory. To determine a unique set of justified arguments often requires a preference relation on arguments to determine the success of attacks between arguments. However, preference information is often itself defeasible, conflicting and so subject to argumentation. Hence, in this paper we extend Dung's theory to accommodate arguments that claim preferences between other arguments, thus incorporating meta-level argumentation based reasoning about preferences in the object level. We then define and study application of the full range of Dung's extensional semantics to the extended framework, and study special classes of the extended framework. The extended theory preserves the abstract nature of Dung's approach, thus aiming at a general framework for non-monotonic formalisms that accommodate defeasible reasoning about as well as with preference information. We illustrate by formalising argument based logic programming with defeasible priorities in the extended theory.