logic-and-learning-lab/Popper

解决的问题

Popper 是一个归纳逻辑编程（ILP）系统，允许计算机从一组示例和现有的背景知识中学习逻辑规则。它自动化了发现解释特定关系的底层逻辑的过程，例如基于亲子数据识别“祖父母”规则。

工作原理

Popper 接受三个主要输入：包含正例和负例的文件、包含已知事实的背景知识（BK）文件，以及定义搜索空间的偏差文件（指定规则头或体中可以使用的谓词）。它使用 CPSAT 或 NuWLS 等求解器，寻找最简单的符合数据的逻辑规则。它可以通过 --noisy 标志处理噪声数据，并支持递归和类型注解等高级逻辑功能，以优化搜索过程。

适用人群

专为具有 Prolog 背景的符号 AI、逻辑编程和自动规则发现领域的研究人员和开发者设计。

主要亮点

• 递归规则学习：能够学习谓词自身引用自身的规则。
• 噪声数据处理：通过 --noisy 标志，可从不完美数据中学习。
• C-SAT 和 NuWLS 集成：支持高性能求解器，加速规则发现过程。
• 可自定义约束：支持使用类型和方向注解，显著减少学习时间并提高准确性。