MUS-Based Partitioning for Inconsistency Measures

Said Jabbour (1) , Yue Ma (2) , Badran Raddaoui (1)

1 CRIL - Centre de Recherche en Informatique de Lens
2 Institut für theoretische Informatik [Dresden]

Mesurer le degré d'incohérence des bases de connaissances permet aux agents une meilleur compréhension de leur environnement. Différentes approches sémantiques et syntaxiques ont été proposées pour quantifier l'incohérence. Dans ce papier, nous proposons d'analyser les limites des approches existantes. Tout d'abord, nous explorons la propriété logique d'additivité en considérant les composantes connexes du graphe représentant les bases de connaissances. Ensuite, nous montrons comment la structure de ce graphe peut être prise en compte pour identifier d'une manière plus fine la responsabilité de chaque formule dans l'incohérence. Finalement, nous étendons notre approche pour fournir une mesure d'incohérence de la base entière en satisfaisant des propriétés définies.

Mots clés: Mesure d'incohérence; Logique classique

Domaines: Intelligence artificielle [cs.AI]

Said Jabbour, Yue Ma, Badran Raddaoui. MUS-Based Partitioning for Inconsistency Measures. Reconnaissance de Formes et Intelligence Artificielle (RFIA) 2014, Jun 2014, France. ⟨hal-00989202⟩