基于符号权重的前提选择方法、系统及电子设备技术方案

本发明专利技术公开了基于符号权重的前提选择方法、系统及电子设备，方法包括初始化相关前提集、相关符号集、无关前提集、选择前提集、相关度集和初始迭代次数；基于限定迭代次数和权重的设计，进行选择和证明；通过自动定理证明器ATP证明相关前提集中的前提和结论组成的缩减问题；根据相关度公式计算无关前提集的相关度，并将得到的相关度加入相关度集中；基于本发明专利技术提出的自适应相关度边界进行边界计算，进一步进行选择和证明，并把数据放入对应的数据集中，清空选择前提集和相关度集后再次进行迭代直到满足限定迭代次数，完成符号权重的前提选择。本发明专利技术提高权重符号的稳定性，提高了证明问题的能力，使得问题能够被充分证明，且具有普遍性。有普遍性。有普遍性。

【技术实现步骤摘要】
基于符号权重的前提选择方法、系统及电子设备


[0001]本专利技术涉及网络
，具体涉及基于符号权重的前提选择方法、系统及电子设备。

技术介绍

[0002]自动定理证明是人工智能的核心部分之一。它致力于生成高效的计算机程序，从而使计算机能够完全或几乎完全自动地进行推理。即，将形式化为一阶逻辑公式的前提和结论作为计算机程序的输入，并试图利用程序自动地从前提中推导出结论。这样的程序通常被称为自动定理证明器这样的计算机程序被称为自动定理证明器。
[0003]随着形式化技术的发展，自动定理证明器的应用范围从理论上的数学定理逐渐拓展到了知识编译、软(硬)件模型检验、管理规划、集成电路设计及软件测试等实际问题上。因此，旨在推理小规模数学问题的自动定理证明器必须面对越来越多从一些大型知识库和实际应用中转换而成的大规模的问题。这些问题被称为大理论，其通常包含成千上万个前提，但是仅有非常少的一部分前提才对问题结论的证明有用。问题中规模过大的前提集会对自动定理证明器的推理能力产生负面的影响。过多与给定结论证明无关前提，会使得自动定理证明器在证明问题时的搜索空间呈指数型增长，甚至可能立即超出计算机的运行能力。
[0004]一种自然的解决方法是在自动定理证明器证明问题前，首先对问题中的前提进行选择。然而，主流的自动定理证明器仍然缺乏对前提进行选择的能力，且不足以应对大理论问题。因此，前提选择是当前自动定理证明器面临的主要挑战之一。如果无法有效地对大规模问题进行前提选择，自动定理证明器则无法有效地对此类问题进行有效的自动推理。

技术实现思路

[0005]针对现有技术中的上述不足，本专利技术提供的基于符号权重的前提选择方法、系统及电子设备解决了现有技术符号权重不稳定以及有效性低的问题。
[0006]为了达到上述专利技术目的，本专利技术采用的技术方案为：
[0007]提供一种基于符号权重的前提选择方法，其包括以下步骤：
[0008]S1、初始化相关前提集、相关符号集、无关前提集、选择前提集、相关度集和初始迭代次数；
[0009]S2、判断当前迭代次数是否大于限定迭代次数，若是则输出当前问题的证明状态并结束；否则进入步骤S3；
[0010]S3、在时间阈值内，通过自动定理证明器ATP进行相关前提集中的前提和结论组成的缩减问题的证明；
[0011]S4、判断缩减问题是否被证明，若是则输出当前问题的证明状态并结束；否则根据相关度公式计算无关前提集的相关度，并将得到的相关度加入相关度集中，并进入步骤S5；
[0012]S5、计算当前相关度集中前提的自适应相关度边界；
[0013]S6、判断无关前提集中前提的相关度是否小于自适应相关度边界，若是则将前提加入选择前提集中，并进入步骤S7；否则不处理，并进入步骤S7；
[0014]S7、判断选择前提集是否为空集，若是则进入步骤S8；否则将选择前提集中的所有前提加入相关前提集，将选择前提集中的所有符号加入相关符号集，移除选择前提集中的所有前提，并进入步骤S8；
[0015]S8、将选择前提集和相关度集清空，将迭代次数加1，并返回步骤S2进行下一次迭代。
[0016]进一步地，步骤S1的初始化的具体过程为：
[0017]将总结论赋予相关前提集，将初始相关符号赋予相关符号集，将总前提集赋予无关前提集，将选择前提集设置为空集，将相关度集设置为空集，将初始迭代次数设置为0。
[0018]进一步地，步骤S3的时间阈值为CPU运行时间除以限定迭代次数的结果数值。
[0019]进一步地，步骤S4中根据相关度公式计算无关前提集的相关度的具体方法为：
[0020]根据公式：
[0021][0022][0023]得到无关前提集的相关度r(p)；其中p为前提，s
i
为第i个符号，s
j
为第j个符号，R
s
为相关符号集，F(p)为无关符号集，∩为交集，w(
·
)为权重公式，occ(
·
)为总前提集P中包含符号的前提数量，s
k
为第k个符号，|P|为总前提集P中的前提总数，i≤k，j≤k。
[0024]进一步地，步骤S5的具体过程为：
[0025]S5
‑
1、获取若干个前提并计算其相关度，根据相关度从大到小的顺序对相关度进行排序，得到不同等级的自适应相关度；
[0026]S5
‑
2、选取第m级自适应相关度对应的数值为第m级自适应相关度的边界；
[0027]S5
‑
3、计算当前相关度集中前提的自适应相关度，并判断当前的自适应相关度是否为第一级自适应相关度，若是则进入步骤S5
‑
4；否则保留当前级自适应相关度的边界的原本值并结束判断；
[0028]S5
‑
4、判断第一级自适应相关度的边界是否为1，若是则将第一级自适应相关度的边界作为第二级自适应相关度的边界并结束判断；否则保留第一级自适应相关度的边界的原本值并结束判断。
[0029]提供一种基于符号权重的前提选择系统，其包括初始化模块、迭代次数判断处理模块、自动定理证明器ATP、缩减问题证明判断处理模块、自适应相关度边界计算模块、无关前提集判断处理模块、选择前提集判断处理模块，以及清除模块；
[0030]初始化模块，用于初始化相关前提集、相关符号集、无关前提集、选择前提集、相关度集和初始迭代次数；
[0031]迭代次数判断处理模块，用于判断当前迭代次数是否大于限定迭代次数，在当前迭代次数大于限定迭代次数时，输出当前问题的证明状态并结束；在当前迭代次数小于等
于限定迭代次数时，启动自动定理证明器ATP；
[0032]自动定理证明器ATP，用于在时间阈值内，证明相关前提集中的前提和结论组成的缩减问题，输出处理后结果并启动缩减问题证明判断处理模块；
[0033]缩减问题证明判断处理模块，用于基于自动定理证明器ATP输出的结果，判断缩减问题是否被证明，在被证明时输出当前问题的证明状态并结束；在未被证明时根据相关度公式计算无关前提集的相关度，将得到的相关度加入相关度集中，启动自适应相关度边界计算模块；
[0034]自适应相关度边界计算模块，用于计算当前相关度集中前提的自适应相关度边界，启动无关前提集判断处理模块；
[0035]无关前提集判断处理模块，用于判断无关前提集中前提的相关度是否小于自适应相关度边界，并在无关前提集中前提的相关度小于自适应相关度边界时，将前提加入选择前提集中并启动选择前提集判断处理模块；在无关前提集中前提的相关度大于等于自适应相关度边界时，直接启动选择前提集判断处理模块；
[0036]选择前提集判断处理模块，用于基于无关前提集判断处理模块输出的结果，判断选择前提集是否为空集，在前提集为空集时，启动清除模块；在前提集非空时，将选择前提集中的所有前提加入相关前提集，将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于符号权重的前提选择方法，其特征在于，包括以下步骤：S1、初始化相关前提集、相关符号集、无关前提集、选择前提集、相关度集和初始迭代次数；S2、判断当前迭代次数是否大于限定迭代次数，若是则输出当前问题的证明状态并结束；否则进入步骤S3；S3、在时间阈值内，通过自动定理证明器ATP进行相关前提集中的前提和结论组成的缩减问题的证明；S4、判断缩减问题是否被证明，若是则输出当前问题的证明状态并结束；否则根据相关度公式计算无关前提集的相关度，并将得到的相关度加入相关度集中，并进入步骤S5；S5、计算当前相关度集中前提的自适应相关度边界；S6、判断无关前提集中前提的相关度是否小于自适应相关度边界，若是则将前提加入选择前提集中，并进入步骤S7；否则不处理，并进入步骤S7；S7、判断选择前提集是否为空集，若是则进入步骤S8；否则将选择前提集中的所有前提加入相关前提集，将选择前提集中的所有符号加入相关符号集，移除选择前提集中的所有前提，并进入步骤S8；S8、将选择前提集和相关度集清空，将迭代次数加1，并返回步骤S2进行下一次迭代。2.根据权利要求1所述的基于符号权重的前提选择方法，其特征在于，步骤S1的初始化的具体过程为：将总结论赋予相关前提集，将初始相关符号赋予相关符号集，将总前提集赋予无关前提集，将选择前提集设置为空集，将相关度集设置为空集，将初始迭代次数设置为0。3.根据权利要求1所述的基于符号权重的前提选择方法，其特征在于，步骤S3的时间阈值为CPU运行时间除以限定迭代次数的结果数值。4.根据权利要求1所述的基于符号权重的前提选择方法，其特征在于，步骤S4中根据相关度公式计算无关前提集的相关度的具体方法为：根据公式：根据公式：得到无关前提集的相关度r(p)；其中p为前提，s
i
为第i个符号，s
j
为第j个符号，R
s
为相关符号集，F(p)为无关符号集，∩为交集，w(
·
)为权重公式，occ(
·
)为总前提集P中包含符号的前提数量，s
k
为第k个符号，|P|为总前提集P中的前提总数，i≤k，j≤k。5.根据权利要求1所述的基于符号权重的前提选择方法，其特征在于，步骤S5的具体过程为：S5
‑
1、获取若干个前提并计算其相关度，根据相关度从大到小的顺序对相关度进行排序，得到不同等级的自适应相关度；
S5
‑
2、选取第m级自适应相关度对应的数值为第m级自适应相关度的边界；S5
‑
...

【专利技术属性】
技术研发人员：李瑞杰，刘清华，刘晓波，蒋阳升，唐优化，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：