🤖 AI

Stratified Negation in RDF Rules: A Correct Approach (Extended Version)

本文提出了“链分层”（chain stratification），这是一种通过将多步推导分析与完整性约束相结合，以确保无论规则应用顺序如何都能保证唯一、精简且有理据语义的新颖条件，从而解决了将默认否定应用于 RDF 规则和存在规则所面临的挑战。

原作者： Nils Küchenmeister, Alex Ivliev, Dörthe Arndt, Markus Krötzsch

发布于 2026-08-03

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Nils Küchenmeister, Alex Ivliev, Dörthe Arndt, Markus Krötzsch

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，互联网不仅仅是网站的集合，而是一个巨大的、相互连接的事实网络——一个“知识图谱”。在这个世界里，计算机不仅仅是在存储数据，它们还在尝试理解数据，通过连接各个点来回答诸如“这个学生的老师是谁？”或“这个物体的属性是什么？”之类的问题。为了实现这一点，我们使用“规则”，它们就像简单的指令：“如果 X 是一个学生，那么 X 就是一个人。”这些规则是人工智能在网络上的引擎，帮助机器进行推理并发现新的真相。

然而，在这个推理游戏中有一个棘手的部分：当一条规则说“如果 X 不是一个学生，那么……”时，会发生什么？这被称为“否定”（negation），它就像一场关于“如果……会怎样”的游戏，可能会变得非常混乱。如果计算机不够小心，它可能会陷入循环，不断改变自己的想法，或者创造出原本并不存在的无限新事实。这就像一位厨师试图烤蛋糕，却在不断检查烤箱是否关闭，结果发现烤箱是开着的，然后又是关着的，接着又是开着的，最后始终没能真正把蛋糕烤好。为了阻止这种混乱，科学家们使用了一种叫做“分层”（stratification）的方法，这就像是将烹饪步骤组织成严格的顺序：你必须在检查烤箱是否关闭之前完成蛋糕的烘烤。但当数据变得复杂时——特别是涉及到空白节点（用于表示未知事物的占位符）和复杂的逻辑关系时——旧的分层方法往往会失效，导致计算机感到困惑或结果不可靠。

这就是论文《RDF 规则中的分层否定：一种正确的方法》（Stratified Negation in RDF Rules: A Correct Approach）发挥作用的地方。作者们（一个计算机科学家团队）意识到，旧的规则排序方式过于僵化，并且在面对现实世界中杂乱的数据时经常崩溃。他们提出了一种更聪明、更智能的规则组织方式，称为**“链式分层”（chain stratification）**。

把旧的方法想象成一名交通警察，他只看你正前方的车来决定你是否可以通行。如果那辆车是一辆卡车（复杂的规则），警察就会感到困用并让所有人停下。作者们的新方法则像是一个 GPS，它会观察前方整个路线。它不仅仅检查紧接着的下一步，而是追踪一条“链”（chain），以观察规则的应用最终是否会导致矛盾或循环。

以下是他们的系统如何运作的通俗解释：

“如果……会怎样”的问题： 有时，一条规则会创建一个新的、临时的占位符（“空白节点”）来代表我们尚不知道的事物。如果我们不小心，我们可能会创建一个占位符，利用它触发一个“非”（not）规则，然后意识到我们本该使用一个真实的事物。这会使得结果取决于执行顺序，而这很糟糕，因为无论我们如何进行，答案都应该是相同的。
“轨迹”与“链”： 作者们发明了一种映射出规则可能采取的每一条路径的方法。他们将一条有效的路径称为“轨迹”（trail）。然而，检查每一条可能的路径是不可能的，因为路径是无穷无尽的。因此，他们创建了一个名为“链”的捷径。“链”是一个简化且解耦的版本，它捕捉了轨迹的核心逻辑，而不会陷入无穷的细节中。
安全网： 他们的新方法会检查这些“链”是否会形成破坏逻辑的循环。如果一条链导致了矛盾（例如，一条规则说“A 是真的”，而另一条规则在依赖于顺序的情况下说“A 是假的”），系统就会标记它。至关重要的是，他们还使用“约束”（类似于安全标志）来剔除不可能的情景。例如，如果一条规则链要求“老师”同时也必须是“学生”，从而违反了已知事实，系统就会说：“这条路径是不可能的；忽略它。”

该论文证明，如果遵循这种新的“链式分层”顺序，计算机将始终得到一个单一、唯一且正确的答案。它保证了推理过程是稳定的，并且不取决于哪条规则先运行的运气。

作者们不仅停留在理论层面；他们还建立了一个原型工具来进行测试。他们在包含 200 多个规则集的基准测试上运行了他们的方法。结果令人振奋：对于大多数规则集，检查速度极快（不到一秒）。即使对于拥有超过 60,000 条规则的最复杂集合，该系统在大多数情况下也能在 15 分钟的超时限制内完成分析。他们发现，虽然由于其方法比旧的简单检查需要稍多一点的计算能力（平均耗时增加约 12.5%），但它足以应对实际应用，更重要的是，它解决了以前的方法根本无法处理的问题。

简而言之，这篇论文提供了一种稳健且经过数学证明的方法，让计算机能够进行涉及“非”和未知占位符的“如果-那么”规则推理。它确保了机器的逻辑是严密的，防止其陷入循环或产生荒谬的结果，为更可靠、更智能的网络应用铺平了道路。

技术摘要：RDF 规则中的分层否定：一种正确的方法

1. 问题陈述

本文解决了将 RDF 规则语言（如 N3 和 SHACL Rules）与默认否定（否定即失败，negation-as-failure）以及值发明（创建新元素，特别是空白节点或存在变量）相结合所面临的挑战。虽然基于 Datalog 的规则引擎通常通过分层（通过对应用顺序进行排序，以确保非单调操作仅应用于已完全计算的数据）来处理否定，但现有方法在 RDF 背景下失效，主要由于两个问题：

传统分层的失效： 传统的分层依赖于不同谓词之间的依赖关系。然而，RDF 使用单一的三元组谓词。因此，任何对否定的使用都会阻止标准的分层。虽然 SHACL 提出了一种改进的基于统一性的依赖分析，但当规则包含“全变量”三元组（例如 ?x ?p ?y）时，该方法会失效，因为这类三元组会在任何规则之间建立依赖，使得即使通过约束可以防止逻辑反馈循环，分层也无法实现。
缺乏明确的语义： 即使规则被成功分层，规则头部的空白节点（存在变量）也会导致结果不唯一或非精简（non-lean）。规则的应用顺序可能会决定是创建新的空白节点还是由现有数据满足规则，从而导致不同的最终 RDF 图。这意味着经典的已分层 RDF 规则集可能缺乏明确的语义，因为其结果取决于执行顺序而非逻辑内容。

路径（Methodology）

作者提出了一种称为**链分层（chain stratification）**的新条件。这种方法通过超越简单的谓词级或实例级检查，转向对潜在多步推导进行更稳健的分析，从而改进了规则依赖分析。

核心概念

依赖关系（Reliances）： 基于 Krötzsch 之前的研究，本文使用了三种类型的规则间二元关系：
- 正向依赖 ( $\prec^+$ )： 规则 $\rho_1$ 产生 $\rho_2$ 所需的数据。
- 负向依赖 ( $\prec^-$ )： 规则 $\rho_1$ 通过否定阻止 $\rho_2$ 的匹配。
- 约束依赖 ( $\prec^\square$ )： 规则 $\rho_1$ 创建了一个“替代匹配”用于 $\rho_2$ ，可能导致非精简的结果（冗余的空白节点）。
路径（Trails）： 作者引入了**路径（trails）**作为规则应用序列的与数据无关的抽象。路径代表一系列规则实例的序列，其中每一步都因果性地依赖于前一步，并且该序列会导致后续规则出现新的未满足匹配。关系 $\prec^+_t$ $≺_{t}^{+}$ （基于路径的正向依赖）被定义为最小的关系，确保遵循该优先级可以防止违反负向或约束依赖。
- 理论局限性： 判断是否存在路径是不可判定的（定理 4），因为这等同于在编码了图灵机的存在性规则中解决停机问题。
链（Chains）： 为了实现可判定性，作者定义了链（chains），它是路径的一种可判定的松弛形式。链是解耦的（通过重命名变量以避免与陈旧变量发生非预期的统一）且满足特定正向依赖条件 ( $\prec^{\ll+}$ $≺^{≪ +}$ ) 的规则实例序列，该条件基于“链规则”（代表序列的聚合规则）。
- 虽然并非每个链都是路径，但每个路径都可以由一个解耦链来泛化（引理 5）。
- 所有解耦链的集合可以用正则语言 ( $L_R$ ) 来刻画，从而实现有限的判定程序（定理 11）。
链分层（Chain Stratification）： 如果由基于链的正向依赖与负向及约束依赖构成的优先级关系 ( $\prec^-_c \cup \prec^\square_c$ ) 是无环的，则称该规则集是链分层的。
约束处理： 该方法扩展到了处理约束（推导出矛盾 $\bot$ 的规则）。通过分析特定的链是否会违反约束（例如，通过 Datalog 规则），该算法可以丢弃那些会创建问题反馈循环的链。这实现了“约束下的链分层”。

算法

本文提出了 算法 1，用于判定链分层。它迭代地构建链，计算它们的标签（总结链对正向、负向和约束依赖的影响），并检查优先级图中是否存在环。利用正则语言的特性，确保了算法能够终止。

3. 核心贡献

链分层： 一种用于对带有否定和存在变量的 RDF 规则进行分层的新颖且稳健的条件。它保证了在否定即失败语义下，任何遵循派生优先级的 chase 序列都会产生唯一、精简且有理据的 RDF 图。
理论基础：
- 形式化了路径（trails），以精确捕捉多步交互，并证明了遵循基于路径的优先级可以确保生成无替代匹配的 chase。
- 证明了路径存在性的不可判定性。
- 开发了作为可判定近似值的链（chains），并证明了链的语言是正则的，从而实现了判定程序。
约束集成： 一种通过丢弃违反完整性约束的链来细化链分层的方法，从而解决了（如引言中问题 1 所述）传统分层失效但规则在逻辑上是安全的案例。
原型实现： 一个基于 Rust 的实现，接受 N3、Nemo 和 VLog 语法。该工具能够成功分析包含数千条规则的规则集。

4. 结果与评估

作者在包含 20 个否定规则集的基准测试（用于先前的核心分层分析）上评估了原型。

性能： 在 0.1 秒内对 80 个规则集进行了分类，并在 15 分钟超时内处理了 187 个。那 14 个超时的情况每个包含超过 60,000 条规则。
开销： 对于 128 个未实现核心分层（需要链分析）的案例，相比于标准的核分层检查，额外的计算时间平均增加了 12.51%。
正确性： 该实现成功识别了此前被认为无法分层的链分层规则集，包括涉及 RDFS 子属性规则结合空白节点与否定的复杂情况。

5. 重要性与主张

本文声称链分层为解决 RDF 规则推理中的长期开放问题提供了一种正确的方法。

正确性： 它解决了带有空白节点的分层 RDF 规则的语义歧义，确保无论规则应用顺序如何（只要顺序遵循链优先级），推导出的图都是唯一的且精简的。
实用性： 该方法在计算上是可行的，适用于大型规则集，这一点已通过原型得到证实。
标准化： 作者将这项工作定位为对 N3 和 SHACL Rules 持续标准化工作的贡献，为处理基于三元组的规则语言中的否定提供了理论完备的基础。
局限性： 作者谦虚地指出，虽然该方法解决了所定义的规则类中的理论和实际问题，但目前尚缺乏具有否定性的代表性 RDF 基准测试，以充分评估其在真实部署环境中的“有效性”，因此主要依赖于合成或基于本体的基准测试。

文章总结道，链分层泛化了完全分层，使得在适当的约束下，可以在使用空白节点和否定时安全地使用 N3 规则（如 RDFS 子属性传递性）。