归纳逻辑编程

归纳逻辑编程（ALP）是一个高级知识表示框架，可用于基于归纳推理以声明方式解决问题。它通过允许某些谓词未完全定义来扩展常规逻辑编程。解决问题的方法是通过推导这些可绑架谓词上的假设（归纳假设）来解决问题。这些问题可以是需要解释的观察结果（如经典绑架）或要实现的目标（如常规逻辑编程）。它可以用来解决诊断、计划、自然语言和机器学习。它也被用来将否定解释为失败，是一种归纳推理的形式。

P中的子句定义了一组不可归纳的谓词，并由此提供了问题域的描述（或模型）。IC中的完整性约束规定了问题域的一般属性，在解决任何问题时都需要考虑这些属性。

问题G表示正向或负向（NAF）文字，表示需要解释的观察结果或期望的目标。通过计算G的 “归纳解释”可以解决这些问题。

对问题G的归纳解释是可诱导谓词的一组积极的（有时甚至是消极的）地面实例。这样，当将它们添加到逻辑程序P时，问题G和完整性约束IC都成立。因此，归纳性解释通过添加可归纳谓词的全部或部分定义来扩展逻辑程序P。这样，根据P和IC中问题域的描述，归纳式解释就构成了问题的解决方案。归纳性解释给出的问题描述的扩展或完成提供了迄今为止尚未包含在问题解决方案中的新信息。通常通过完整性约束表示的优先于一种解决方案优于另一种解决方案的质量标准可用于选择问题G的特定归纳解释。

归纳逻辑编程中的计算将常规逻辑编程的后向推理（以将问题减少到子问题）与一种完整性检查相结合，以表明归纳解释满足完整性约束。