软件学报

作者：王榕，田聪，孙军，于斌，段振华

单位：王榕，西安电子科技大学 计算机科学与技术学院, 陕西 西安 71012611,田聪，西安电子科技大学 计算机科学与技术学院, 陕西 西安 71012602,孙军，School of Computing and Information Systems, Singapore Management University, Singapore 188065, Singapore03,于斌，西安电子科技大学 计算机科学与技术学院, 陕西 西安 71012604,段振华，西安电子科技大学 计算机科学与技术学院, 陕西 西安 71012605

关键词：元解释学习;冗余证明;记忆策略;剪枝算法;归纳逻辑程序设计

基金：国家自然科学基金(62192734)

元解释学习(meta-interpretive learning, MIL)是一种归纳逻辑程序设计(inductive logic programming, ILP)方法, 旨在从一组实例、元规则和其他背景知识中学习一个程序. MIL采用深度优先和失败驱动策略在程序空间中搜索适当的子句以生成程序. 事实上, 这种机制不可避免地引发了对相同目标重复证明的问题. 提出一种剪枝策略, 该策略利用Prolog内置的数据库机制来存储未能达成的目标及其对应的错误信息, 从而有效避免冗余的证明过程. 此后, 这些累积的错误信息能够作为指导, 帮助MIL系统在未来的学习过程中进行优化和调整. 证明剪枝算法的正确性, 并在理论上计算程序空间的缩减比例. 将所提出的方法应用于两个现有的MIL系统Metagol和MetagolAI, 从而产生了两个新的MIL系统MetagolF和MetagolAI_F. 在4个不同任务上的实证结果表明, 所提出的策略可以显著减少学习相同程序的时间消耗.

来源：2025年第8期

《软件学报》期刊编辑部

查看软件学报杂志2025年第8期