Applying Markov Logics for Controlling Abox Abduc9on - PowerPoint PPT Presentation

Applying ¡Markov ¡Logics ¡ ¡ for ¡ ¡Controlling ¡Abox ¡Abduc9on ¡ Disserta(on ¡Presenta(on ¡ ¡ ¡ ¡ ¡Anahita ¡Nafissi ¡ Chairman: ¡ ¡Prof. ¡Gollmann ¡ ¡ Reviewers: ¡Prof. ¡Möller, ¡Prof. ¡Neumann ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡Hamburg, ¡10 th ¡of ¡October ¡2013 ¡

Symbolic ¡Descrip(ons ¡ ¡ of ¡Mul(media ¡Documents ¡ Interpreta(on ¡ Analysis ¡results ¡ 2 ¡

Agenda ¡ • Mo(va(on, ¡research ¡objec(ves, ¡advances ¡ • My ¡approach ¡in ¡detail ¡ • Evalua(on ¡ • Summary ¡and ¡outlook ¡ 3 ¡

State ¡of ¡the ¡Art ¡ • Kowalski ¡ – Abduc(ve ¡logic ¡programming ¡ • Espinosa, ¡Kaya, ¡Möller ¡ – Abduc(on ¡as ¡a ¡formaliza(on ¡of ¡interpreta(on ¡ • Bohlken, ¡Neumann ¡ – Interpreta(on ¡operators, ¡beam ¡search, ¡ probabilis(c ¡ranking ¡ 4 ¡

Contribu(on ¡ Analysis ¡results ¡ Controlling ¡ Mul(media ¡ Interpreta(on ¡ Symbolic ¡ ¡ High ¡level ¡ descrip(ons ¡ symbolic ¡ ¡ descrip(ons ¡ Descrip(on ¡Logics ¡+ ¡Rules ¡+ ¡ Weighted ¡Rules ¡ • Abduc(on: ¡Resoning ¡from ¡observa(ons ¡to ¡explana(ons ¡ ¡ ¡ • Controlling ¡the ¡abduc9on ¡process ¡in ¡terms ¡of ¡branching ¡and ¡depth ¡ 5 ¡

Interpreta(on ¡Example ¡ causes(c1,ds1) ¡ c1: ¡Car ¡ ds1: ¡DoorSlam ¡ 6 ¡

Interpreta(on ¡Example ¡Con(nued ¡ ce1: ¡CarEntry ¡ ce2: ¡CarExit ¡ hasObject(ce2,c1) ¡ hasObject(ce1,c1) ¡ hasEffect(ce1,ds1) ¡ hasEffect(ce2,ds1) ¡ causes(c1,ds1) ¡ causes(c1,ds1) ¡ c1: ¡Car ¡ ds1: ¡DoorSlam ¡ c1: ¡Car ¡ ds1: ¡DoorSlam ¡ Consequence: ¡Branching! ¡ 7 ¡

Markov ¡Logic ¡Network ¡ ¡ ¡ ¡ ¡ A ¡Markov ¡Logic ¡network ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡consists ¡of ¡a ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡sequence ¡of ¡first ¡order ¡formulas ¡ ¡ ¡ ¡ ¡ and ¡a ¡sequence ¡of ¡weights ¡ ¡ ¡ ¡ ¡ ¡ 8 ¡

Example ¡for ¡MLN ¡ Assume: ¡ ¡ CityWithIndustry(h)=true ¡ Constant: ¡ h ¡ ¡ Alchemy ¡System ¡ ¡ 9 ¡

Handling ¡Uncertain ¡Data ¡ 0.3 ¡Car(c1) ¡ Car(c1) ¡ 0.6 ¡DoorSlam(i) ¡ MAP ¡ DoorSlam(i) ¡ causes(c1,i) ¡ causes(c1,i) ¡ 0.2 ¡EngineSound(i) ¡ Tbox ¡ Consequence: ¡Branching! ¡ 10 ¡

Controlling ¡the ¡Interpreta(on ¡Process ¡ ¡unexplained ¡ unexplained ¡ exp. ¡ ex ¡ 1 ¡ unexplained ¡ exp. ¡ 2 ¡ unexplained ¡ explained ¡ 3 ¡ m ¡ n ¡ : ¡ : ¡ m ¡= ¡Number ¡of ¡unexplained ¡observa(ons ¡ n ¡ ¡= ¡Number ¡of ¡explained ¡observa(ons ¡ 11 ¡

Interpreta(on ¡Controlling ¡Example ¡ Assume ¡4 ¡observa(ons ¡ Depth ¡= ¡2 ¡ 12 ¡

Development ¡of ¡the ¡P-­‑Score ¡ x ¡= ¡(me ¡axis ¡indicated ¡with ¡arrival ¡(me ¡of ¡bunches ¡ ¡ y ¡= ¡scoring ¡value ¡of ¡the ¡interpreta(on ¡Abox ¡ ¡ (Strategy ¡: ¡Stop-­‑Processing) ¡ 13 ¡

Controlling ¡the ¡Interpreta(on ¡Process ¡ • Controlling ¡branching ¡(beam ¡Search) ¡ • Controlling ¡abduc(on ¡depth ¡ • Controlling ¡reac(vity ¡ 14 ¡

Increasing ¡the ¡Score ¡by ¡Explaining ¡ Observa(ons ¡ x ¡= ¡(me ¡axis ¡indicated ¡with ¡arrival ¡(me ¡of ¡bunches ¡ ¡ y ¡= ¡scoring ¡value ¡of ¡the ¡interpreta(on ¡Abox ¡ ¡ (Strategy ¡: ¡Non-­‑Stop-­‑Processing) ¡ 15 ¡

Increasing ¡the ¡Score ¡by ¡Explaining ¡Observa(ons ¡ x ¡= ¡(me ¡spent ¡for ¡explaining ¡observa(ons ¡ ¡ y ¡= ¡number ¡of ¡observa(ons ¡to ¡be ¡explained ¡in ¡a ¡bunch ¡ z ¡= ¡scoring ¡value ¡ 16 ¡

Summary ¡ • Deal ¡with ¡uncertain ¡and ¡inconsistent ¡observa(ons ¡ • Rank ¡interpreta(on ¡alterna(ves ¡probabilis(cally ¡ • Control ¡the ¡abduc(on ¡process ¡in ¡terms ¡of ¡branching ¡and ¡ depth ¡ • Incrementally ¡process ¡the ¡input ¡data ¡ • Increase ¡the ¡rank ¡of ¡interpreta(on ¡alterna(ves ¡monotonically ¡ by ¡successively ¡explaining ¡observa(ons. ¡ 17 ¡

Outlook ¡ • Determine ¡the ¡maximum ¡depth ¡adap(vely ¡ • Learn ¡the ¡weights ¡of ¡the ¡weighted ¡rules ¡ • Fuse ¡ ¡interpreta(ons ¡of ¡segments ¡ 18 ¡

Publica(ons ¡ ¡ ¡ ¡ ¡ ¡ ¡ Conference ¡Papers ¡ O. ¡Gries, ¡R. ¡Möller, ¡A. ¡Nafissi, ¡M. ¡Rosenfeld, ¡K. ¡Sokolski, ¡and ¡M. ¡Wessel. ¡A ¡ • Probabilis(c ¡Abduc(on ¡Engine ¡for ¡Media ¡Interpreta(on ¡based ¡on ¡Ontologies. ¡ In ¡ Proceedings ¡of ¡4th ¡Interna9onal ¡Conference ¡on ¡Web ¡Reasoning ¡and ¡Rule ¡Systems ¡ (RR-­‑2010), ¡ September ¡2010. ¡ ¡ ¡ ¡ ¡ ¡ ¡ Workshop ¡Papers ¡ O. ¡Gries, ¡R. ¡Möller, ¡A. ¡Nafissi, ¡M. ¡Rosenfeld, ¡K. ¡Sokolski, ¡and ¡M. ¡Wessel. ¡A ¡ • Probabilis(c ¡Abduc(on ¡Engine ¡for ¡Media ¡Interpreta(on ¡based ¡on ¡Ontologies. ¡ In ¡ ¡ Proceedings ¡of ¡the ¡Interna9onal ¡Workshop ¡on ¡Uncertainty ¡in ¡ ¡Descrip9on ¡Logics ¡ (UnIDL-­‑2010), ¡ ¡2010. ¡ 19 ¡