Belief merging and logic programming with stable model semantics
Fusion de bases de croyances et programmation logique avec sémantique des modèles stables
Résumé
Representation of knowledge is a central aspect in artificial intelligence. Decisions of an intelligent agent must rely on informations which represent the world as correctly as possible. This difficulty to have a correct representation of the world is particularly important when dealing with a changing world of information from multiple sources. In this thesis, we propose a method to perform syntactic merging in the case where no explicit priorities are expressed. This method, called Removed Sets Fusion (or RSF), is based on the search of subsets of formulas to remove to restore consistency. We performed an implementation of this method based on the translation of the fusion problem into a logic program with stable model semantics. We propose two different implementations: an adaptation of the smodels algorithm and another implementation based on the additional statements provided by Lparse/Gringo. We tested this last implementation: thanks to randomly generated belief profile and, in a second time thanks to the data from archeological survey coming from the European project VENUS. We then extended the Removed Sets Fusion in two directions. We study merging in the case where priorities are expressed between agents or between agents and beliefs. We also study the case were beliefs are expressed in terms of logic programs.
L'acquisition et la représentation des connaissances est un aspect central dans le domaine de l'Intelligence Artificielle car une machine intelligente doit avant tout s'appuyer sur des informations représentant le monde de façon suffisamment précise. Cette difficulté à disposer d'une représentation correcte du monde est particulièrement importante lorsque l'on a à faire à un monde changeant ou à des informations provenant de sources multiples. Nous proposons dans cette thèse une méthode de fusion syntaxique de croyances dans le cas où les croyances sont représentées dans le cas où il n'existe pas de priorités explicites ni entre les agents, ni entre les croyances exprimées par les agents. Cette méthode, appelée fusion par R-ensembles, repose sur la recherche des sous-ensembles de formules à retirer afin de restaurer la cohérence. Nous avons réalisé une mise en œuvre de cette méthode basée sur la traduction du problème de fusion en un programme logique avec sémantique des modèles stables. Nous avons d'abord proposé deux implantations : une adaptation de l'algorithme smodels ainsi qu'une autre implantation basée sur les instructions fournies par Lparse/Gringo. Nous avons testé cette dernière implantation avec des expérimentations portant sur des profils de croyances générés aléatoirement ainsi que sur les données issues d'un projet européen portant sur le relevé en archéologie sous-marine. Dans un deuxième temps, cette thèse propose une extension de la fusion par R-ensembles dans deux directions. Nous nous sommes ainsi intéressés au cas où des préférences sont exprimées entre les agents ou entre les croyances exprimées par chaque agent. Nous nous sommes également penchés sur le cas où les croyances sont exprimées sous forme de programmes logiques.
Loading...