The Role of preferences in logic programming: nonmonotonic reasoning, user preferences, decision under uncertainty

Abstract

Intelligent systems that assist users in fulfilling complex tasks need a concise and processable representation of incomplete and
 uncertain information. In order to be able to choose among different options, these systems also need a compact and processable
 representation of the concept of preference.
 Preferences can provide an effective way to choose the best solutions to a given problem. These solutions can represent the most
 plausible states of the world when we model incomplete information, the most satisfactory states of the world when we express
 user preferences, or optimal decisions when we make decisions under uncertainty.
 Several domains, such as, reasoning under incomplete and uncertain information, user preference modeling, and qualitative
 decision making under uncertainty, have benefited from advances on preference representation. In the literature, several symbolic
 approaches of nonclassical reasoning have been proposed. Among them, logic programming under answer set semantics offers a
 good compromise between symbolic representation and computation of knowledge and several extensions for handling
 preferences.
 Nevertheless, there are still some open issues to be considered in logic programming. In nonmonotonic reasoning, first, most
 approaches assume that exceptions to logic program rules are already specified. However, sometimes, it is possible to consider
 implicit preferences based on the specificity of the rules to handle incomplete information. Secondly, the joint handling of
 exceptions and uncertainty has received little attention: when information is uncertain, the selection of default rules can be a matter
 of explicit preferences and uncertainty. In user preference modeling, although existing logic programming specifications allow to
 express user preferences which depend both on incomplete and contextual information, in some applications, some preferences in
 some context may be more important than others. Furthermore, more complex preference expressions need to be supported. In
 qualitative decision making under uncertainty, existing logic programming-based methodologies for making decisions seem to lack
 a satisfactory handling of preferences and uncertainty.
 The aim of this dissertation is twofold: 1) to tackle the role played by preferences in logic programming from different perspectives,
 and 2) to contribute to this novel field by proposing several frameworks and methods able to address the above issues. To this
 end, we will first show how preferences can be used to select default rules in logic programs in an implicit and explicit way. In
 particular, we propose (i) a method for selecting logic program rules based on specificity, and (ii) a framework for selecting
 uncertain default rules based on explicit preferences and the certainty of the rules. Then, we will see how user preferences can be
 modeled and processed in terms of a logic program (iii) in order to manage user profiles in a context-aware system and (iv) in order
 to propose a framework for the specification of nested (non-flat) preference expressions. Finally, in the attempt to bridge the gap
 between logic programming and qualitative decision under uncertainty, (v) we propose a classical- and a possibilistic-based logic
 programming methodology to compute an optimal decision when uncertainty and preferences are matters of degrees. Els sistemes intel.ligents que assisteixen a usuaris en la realització de tasques complexes necessiten
 una representació concisa i formal de la informació que permeti un raonament nomonòton
 en condicions d’incertesa. Per a poder escollir entre les diferents opcions, aquests
 sistemes solen necessitar una representació del concepte de preferència.
 Les preferències poden proporcionar una manera efectiva de triar entre les millors solucions
 a un problema. Aquestes solucions poden representar els estats del món més plausibles
 quan es tracta de modelar informació incompleta, els estats del món més satisfactori
 quan expressem preferències de l’usuari, o decisions òptimes quan estem parlant de presa
 de decisió incorporant incertesa.
 L’ús de les preferències ha beneficiat diferents dominis, com, el raonament en presència
 d’informació incompleta i incerta, el modelat de preferències d’usuari, i la presa de decisió
 sota incertesa. En la literatura, s’hi troben diferents aproximacions al raonament no clàssic
 basades en una representació simbòlica de la informació. Entre elles, l’enfocament de programació
 lògica, utilitzant la semàntica de answer set, ofereix una bona aproximació entre
 representació i processament simbòlic del coneixement, i diferents extensions per gestionar
 les preferències.
 No obstant això, en programació lògica es poden identificar diferents problemes pel
 que fa a la gestió de les preferències. Per exemple, en la majoria d’enfocaments de raonament
 no-monòton s’assumeix que les excepcions a default rules d’un programa lògic ja
 estan expressades. Però de vegades es poden considerar preferències implícites basades en
 l’especificitat de les regles per gestionar la informació incompleta. A més, quan la informació
 és també incerta, la selecció de default rules pot dependre de preferències explícites i de la
 incertesa. En el modelatge de preferències del usuari, encara que els formalismes existents
 basats en programació lògica permetin expressar preferències que depenen d’informació
 contextual i incompleta, en algunes aplicacions, donat un context, algunes preferències
 poden ser més importants que unes altres. Per tant, resulta d’interès un llenguatge que
 permeti capturar preferències més complexes. En la presa de decisions sota incertesa, les
 metodologies basades en programació lògica creades fins ara no ofereixen una solució del
 tot satisfactòria pel que fa a la gestió de les preferències i la incertesa.
 L’objectiu d’aquesta tesi és doble: 1) estudiar el paper de les preferències en la programació
 lògica des de diferents perspectives, i 2) contribuir a aquesta jove àrea d’investigació
 proposant diferents marcs teòrics i mètodes per abordar els problemes anteriorment citats.
 Per a aquest propòsit veurem com les preferències es poden utilitzar de manera implícita i
 explícita per a la selecció de default rules proposant: (i) un mètode basat en l’especificitat
 de les regles, que permeti seleccionar regles en un programa lògic; (ii) un marc teòric per a
 la selecció de default rules incertes basat en preferències explícites i la incertesa de les regles.
 També veurem com les preferències de l’usuari poden ser modelades i processades usant
 un enfocament de programació lògica (iii) que suporti la creació d’un mecanisme de gestió
 dels perfils dels usuaris en un sistema amb reconeixement del context; (iv) que permeti
 proposar un marc teòric capaç d’expressar preferències amb fòrmules imbricades. Per últim,
 amb l’objectiu de disminuir la distància entre programació lògica i la presa de decisió
 amb incertesa proposem (v) una metodologia basada en programació lògica clàssica i en
 una extensió de la programació lògica que incorpora lògica possibilística per modelar un
 problema de presa de decisions i per inferir una decisió òptima. Los sistemas inteligentes que asisten a usuarios en tareas complejas necesitan una representación
 concisa y procesable de la información que permita un razonamiento nomonótono
 e incierto. Para poder escoger entre las diferentes opciones, estos sistemas suelen
 necesitar una representación del concepto de preferencia.
 Las preferencias pueden proporcionar una manera efectiva para elegir entre las mejores
 soluciones a un problema. Dichas soluciones pueden representar los estados del mundo
 más plausibles cuando hablamos de representación de información incompleta, los estados
 del mundo más satisfactorios cuando hablamos de preferencias del usuario, o decisiones
 óptimas cuando estamos hablando de toma de decisión con incertidumbre.
 El uso de las preferencias ha beneficiado diferentes dominios, como, razonamiento en
 presencia de información incompleta e incierta, modelado de preferencias de usuario, y
 toma de decisión con incertidumbre. En la literatura, distintos enfoques simbólicos de razonamiento
 no clásico han sido creados. Entre ellos, la programación lógica con la semántica
 de answer set ofrece un buen acercamiento entre representación y procesamiento simbólico
 del conocimiento, y diferentes extensiones para manejar las preferencias.
 Sin embargo, en programación lógica se pueden identificar diferentes problemas con
 respecto al manejo de las preferencias. Por ejemplo, en la mayoría de enfoques de razonamiento
 no-monótono se asume que las excepciones a default rules de un programa lógico
 ya están expresadas. Pero, a veces se pueden considerar preferencias implícitas basadas en
 la especificidad de las reglas para manejar la información incompleta. Además, cuando la
 información es también incierta, la selección de default rules pueden depender de preferencias
 explícitas y de la incertidumbre. En el modelado de preferencias, aunque los formalismos
 existentes basados en programación lógica permitan expresar preferencias que
 dependen de información contextual e incompleta, in algunas aplicaciones, algunas preferencias
 en un contexto puede ser más importantes que otras. Por lo tanto, un lenguaje
 que permita capturar preferencias más complejas es deseable. En la toma de decisiones con
 incertidumbre, las metodologías basadas en programación lógica creadas hasta ahora no
 ofrecen una solución del todo satisfactoria al manejo de las preferencias y la incertidumbre.
 El objectivo de esta tesis es doble: 1) estudiar el rol de las preferencias en programación
 lógica desde diferentes perspectivas, y 2) contribuir a esta joven área de investigación proponiendo
 diferentes marcos teóricos y métodos para abordar los problemas anteriormente
 citados. Para este propósito veremos como las preferencias pueden ser usadas de manera implícita y explícita para la selección de default rules proponiendo: (i) un método para
 seleccionar reglas en un programa basado en la especificad de las reglas; (ii) un marco
 teórico para la selección de default rules basado en preferencias explícitas y incertidumbre.
 También veremos como las preferencias del usuario pueden ser modeladas y procesadas
 usando un enfoque de programación lógica (iii) para crear un mecanismo de manejo de
 los perfiles de los usuarios en un sistema con reconocimiento del contexto; (iv) para crear
 un marco teórico capaz de expresar preferencias con formulas anidadas. Por último, con
 el objetivo de disminuir la distancia entre programación lógica y la toma de decisión con
 incertidumbre proponemos (v) una metodología para modelar un problema de toma de
 decisiones y para inferir una decisión óptima usando un enfoque de programación lógica
 clásica y uno de programación lógica extendida con lógica posibilística. Sistemi intelligenti, destinati a fornire supporto agli utenti in processi decisionali complessi,
 richiedono una rappresentazione dell’informazione concisa, formale e che permetta
 di ragionare in maniera non monotona e incerta. Per poter scegliere tra le diverse opzioni,
 tali sistemi hanno bisogno di disporre di una rappresentazione del concetto di preferenza
 altrettanto concisa e formale.
 Le preferenze offrono una maniera efficace per scegliere le miglior soluzioni di un problema.
 Tali soluzioni possono rappresentare gli stati del mondo più credibili quando si tratta
 di ragionamento non monotono, gli stati del mondo più soddisfacenti quando si tratta delle
 preferenze degli utenti, o le decisioni migliori quando prendiamo una decisione in condizioni
 di incertezza.
 Diversi domini come ad esempio il ragionamento non monotono e incerto, la strutturazione
 del profilo utente, e i modelli di decisione in condizioni d’incertezza hanno tratto
 beneficio dalla rappresentazione delle preferenze. Nella bibliografia disponibile si possono
 incontrare diversi approcci simbolici al ragionamento non classico. Tra questi, la programmazione
 logica con answer set semantics offre un buon compromesso tra rappresentazione
 simbolica e processamento dell’informazione, e diversi estensioni per la gestione delle preferenze
 sono state proposti in tal senso.
 Nonostante ció, nella programmazione logica esistono ancora delle problematiche aperte.
 Prima di tutto, nella maggior parte degli approcci al ragionamento non monotono, si suppone
 che nel programma le eccezioni alle regole siano già specificate. Tuttavia, a volte per
 trattare l’informazione incompleta è possibile prendere in considerazione preferenze implicite
 basate sulla specificità delle regole. In secondo luogo, la gestione congiunta di eccezioni
 e incertezza ha avuto scarsa attenzione: quando l’informazione è incerta, la scelta
 di default rule può essere una questione di preferenze esplicite e d’incertezza allo stesso
 tempo. Nella creazione di preferenze dell’utente, anche se le specifiche di programmazione
 logica esistenti permettono di esprimere preferenze che dipendono sia da un’informazione
 incompleta che da una contestuale, in alcune applicazioni talune preferenze possono essere
 più importanti di altre, o espressioni più complesse devono essere supportate. In un processo
 decisionale con incertezza, le metodologie basate sulla programmazione logica viste
 sinora, non offrono una gestione soddisfacente delle preferenze e dell’incertezza.
 Lo scopo di questa dissertazione è doppio: 1) chiarire il ruolo che le preferenze giocano
 nella programmazione logica da diverse prospettive e 2) contribuire proponendo in questo nuovo settore di ricerca, diversi framework e metodi in grado di affrontare le citate
 problematiche. Per prima cosa, dimostreremo come le preferenze possono essere usate per
 selezionare default rule in un programma in maniera implicita ed esplicita. In particolare
 proporremo: (i) un metodo per la selezione delle regole di un programma logico basato
 sulla specificità dell’informazione; (ii) un framework per la selezione di default rule basato
 sulle preferenze esplicite e sull’incertezza associata alle regole del programma. Poi, vedremo
 come le preferenze degli utenti possono essere modellate attraverso un programma
 logico, (iii) per creare il profilo dell’utente in un sistema context-aware, e (iv) per proporre
 un framework che supporti la definizione di preferenze complesse. Infine, per colmare le
 lacune in programmazione logica applicata a un processo di decisione con incertezza (v)
 proporremo una metodologia basata sulla programmazione logica classica e una metodologia
 basata su un’estensione della programmazione logica con logica possibilistica.