Abschlussarbeit

Beschreibung:

Eine große Herausforderung im Gebiet der künstlichen Intelligenz liegt im Umgang mit widersprüchlichen Informationen. Wenn beispielsweise Daten aus verschiedenen Quellen zusammengetragen werden, sind Konflikte (Inkonsistenzen) kaum vermeidbar. Wie stark eine Wissensbasis von von Widersprüchen betroffen ist, lässt sich mit Hilfe von Inkonsistenzmaßen quantitativ bewerten.

Bislang lag der Fokus im Bereich der Inkonsistenzmessung [1,2] hauptsächlich darauf, diverse Maße auf Basis verschiedener Herangehensweisen zu entwerfen. Die Praktikabilität der entwickelten Maße fand dabei weniger Beachtung. Die Entwicklung von Algorithmen, die eine praktische, anwendungsbezogene Verwendung von Inkonsistenzmaßen ermöglichen, ist daher ein ergiebiges Themengebiet. Es wurden bereits Arbeiten veröffentlicht, in denen Algorithmen zur Berechnung von insgesamt drei Inkonsistenzmaßen auf Basis von Antwortmengenprogrammierung und Satisfiability Solving vorgestellt wurden [3,4,5].

Die zuvor genannten Arbeiten zeigen jedoch auch, dass die vorgestellten algorithmischen Ansätze, je nachdem wie groß bzw. komplex die gegebenen Wissensbasen sind, an ihre Grenzen stoßen. Um dem entgegenzuwirken, ist natürlich einerseits die Entwicklung verbesserter algorithmischer Ansätze von Bedeutung, andererseits jedoch auch die Erforschung geeigneter Vorverarbeitungsmethoden. Letzteres soll Ziel der Bachelorarbeit sein.

Eine Vorverarbeitung im Bereich der Inkonsistenzmessung könnte zum Beispiel Methoden umfassen, die eine gegebene Wissensbasis verkleinern oder auf andere Weise so strukturieren, dass ein algorithmischer Ansatz effizienter arbeiten kann. Weiterhin könnten zusätzliche Constraints aufgestellt werden, die als Heuristik fungieren, um algorithmische Ansätze schneller zum Ziel führen.
In einer Evaluation soll überprüft werden, ob die entwickelten Methoden in der Praxis auch tatsächlich eine Zeitersparnis erwirken.

[1] John Grant and Maria Vanina Martinez, editors. Measuring Inconsistency in Information. Volume 73 of Studies in Logic. College Publications, 2018.
[2] John Grant. Classifications for inconsistent theories. Notre Dame Journal of Formal Logic, 19(3):435–444, 1978.
[3] Isabelle Kuhlmann and Matthias Thimm. An Algorithm for the Contension Inconsistency Measure using Reductions to Answer Set Programming. International Conference on Scalable Uncertainty Management. Springer, Cham, 2020.
[4] Isabelle Kuhlmann and Matthias Thimm. Algorithms for Inconsistency Measurement using Answer Set Programming. 19th International Workshop on Non-Monotonic Reasoning. 2021.
[5] Isabelle Kuhlmann, Anna Gessler, Vivien Laszlo and Matthias Thimm. A Comparison of ASP-Based and SAT-Based Algorithms for the Contension Inconsistency Measure. International Conference on Scalable Uncertainty Management (pp. 139-153). Springer, Cham, 2022.