Foundations of Inductive Logic Programming

برنامه نویسی منطق القایی یک زمینه جوان و به سرعت در حال رشد است که یادگیری ماشین و برنامه نویسی منطقی را ترکیب می کند. این آموزش مستقل اولین مقدمه نظری برای ILP است. این یک مبنای دقیق و به اندازه کافی گسترده برای تحقیقات آتی در این منطقه در اختیار خواننده قرار می دهد.
در قسمت اول، یک درمان کامل از منطق مرتبه اول، اثبات قضیه مبتنی بر وضوح، و برنامه ریزی منطقی ارائه شده است. بخش دوم مفاهیم اصلی ILP را معرفی می‌کند و به طور سیستماتیک مهم‌ترین نتایج را در مورد استنتاج مدل، وضوح معکوس، آشکارسازی، عملگرهای اصلاح، حداقل تعمیم‌ها و راه‌های مقابله با دانش پس‌زمینه توسعه می‌دهد. علاوه بر این، نویسندگان مروری بر نتایج یادگیری PAC در ILP و برخی از مرتبط ترین سیستم های پیاده سازی شده ارائه می دهند.

Inductive Logic Programming is a young and rapidly growing field combining machine learning and logic programming. This self-contained tutorial is the first theoretical introduction to ILP; it provides the reader with a rigorous and sufficiently broad basis for future research in the area.
In the first part, a thorough treatment of first-order logic, resolution-based theorem proving, and logic programming is given. The second part introduces the main concepts of ILP and systematically develops the most important results on model inference, inverse resolution, unfolding, refinement operators, least generalizations, and ways to deal with background knowledge. Furthermore, the authors give an overview of PAC learning results in ILP and of some of the most relevant implemented systems.