技术特征：
1.一种基于项游走图神经网络的前提选择方法，其特征在于，包括以下步骤：步骤s1，基于mptp2078问题库建立用于训练、验证和测试模型的数据集；步骤s2，根据数据集中逻辑公式的递归的特性，将字符型逻辑公式进行有向无环图dag表示；步骤s3、将项游走模式从解析树拓展到有向无环图dag上；步骤s4、设计项游走图神经网络，所述项游走图神经网络中的输入为逻辑公式对应的有向无环图dag，输出为逻辑公式对应的图特征实值向量；步骤s5、设计前提选择模型，所述前提选择模型的输入为步骤s4输出的图向量特征实值向量对，输出为二元分类器预测的前提公式对结论公式在atp自动证明中的实值有用性得分；步骤s6、基于步骤s5设计用于模型训练的损失函数；步骤s7、判断当前迭代次数是否大于限定迭代次数：若是，则进入步骤s11；若否，则进入步骤s8；步骤s8、利用步骤s1中的数据集对步骤s5中的前提选择模型进行训练，基于步骤s6计算真实值与步骤s5输出的误差，通过反向传播算法将误差传播回模型的所有神经元中，最后通过梯度下降算法修正和更新前提选择模型中的所有参数，最后对训练后的前提选择模型进行保存；步骤s9、将步骤s8中训练后的模型在步骤s1中的数据集上进行验证；步骤s10、当前迭代次数加1，并返回步骤s7；步骤s11、在已保存的前提选择模型中选择在步骤s9中执行最小损失的模型作为最优模型，并在步骤s1中测试数据集上对其精度、召回率、准确度以及f1指标进行评估，最后结束。2.根据权利要求1所述的一种基于项游走图神经网络的前提选择方法，其特征在于，所述步骤s1中数据集的建立过程包括：数据集中每一个例子是一个三元组，所述三元组包括结论、前提和标签；前提是给定结论的候选前提；标签是二元分类中的类别，所述类别为前提有用或无用；标签为1的样本为正样本，标签为0的样本为负样本；数据集中每一个结论对应的正样本中的前提来自参与其任一自动证明中的前提，对应的负样本中的前提是不参与其任意自动证明的前提且该前提在与结论的k近邻相似度排序中靠前；数据集中正样本和负样本的数量相同，且通过80%、10%、10%的划分将数据集随机地划分为训练集、验证集以及测试集。3.根据权利要求1所述的一种基于项游走图神经网络的前提选择方法，其特征在于，所述步骤s2中将字符型逻辑公式进行有向无环图表示的过程包括：在字符型逻辑公式的一阶逻辑中，给定变元符号集、函数符号集和谓词集；一阶逻辑表达式为一阶逻辑项、一阶逻辑原子或一阶逻辑公式；根据数据集中逻辑公式的递归的特性将一阶逻辑表达式递归定义表示为结构化的有向无环图dag。4.根据权利要求1所述的一种基于项游走图神经网络的前提选择方法，其特征在于，所
述步骤s3中将项游走模式从解析树拓展到有向无环图上的过程包括：将在解析树上被证实与逻辑公式合一性相关且可用于评估逻辑公式相似性的项游走模式拓展到了逻辑公式对应的有向无环图上。5.根据权利要求1所述的一种基于项游走图神经网络的前提选择方法，其特征在于，所述步骤s4中项游走图神经网络的包括：所述项游走图神经网络包括图节点向量初始化阶段、节点信息聚集阶段、节点信息传播阶段以及图聚合阶段。6.根据权利要求1所述的一种基于项游走图神经网络的前提选择方法，其特征在于，所述步骤s5中二元分类器预测的前提公式对结论公式在atp自动证明中的实值有用性得分的过程包括：二元分类器先通过分类函数对前提在结论证明中的有用性进行预测，再通过softmax进行归一化，获取前提公式对结论公式在atp自动证明中的实值有用和无用的概率；所述分类函数被设计为多层感知机。7.一种基于项游走图神经网络的前提选择系统，其特征在于，包括数据集建立模块、逻辑公式图表示模块、项游走神经网络设计模块、二元分类器设计模块、迭代次数判断处理模块、和模型训练、验证以及测试模块，其中：所述数据集建立模块，用于建立用于训练、验证和测试模型的数据集；所述逻辑公式图表示模块，用于将字符型逻辑公式表示为结构化的有向无环图dag ；所述项游走神经网络设计模块，用于针对被拓展到逻辑公式图上的项游走模式将逻辑公式编码为对应的图特征实值向量；所述二元分类器设计模块，用于输出前提对结论是否有用的概率，其中，二元分类器使用的分类函数同样被设计为多层感知机；所述迭代次数判断处理模块，用于判断当前迭代次数是否大于限定迭代次数，在当前迭代次数大于限定迭代次数时，不再继续训练和验证模型；在当前迭代次数小于等于限定迭代次数时，继续训练和验证模型；所述模型训练、验证以及测试模块，用于在adam优化器、reducelronplateau策略和设置的参数下对模型进行训练，模型在每个训练迭代完成后均会在验证集上进行评估并保存，最大迭代次数后，若模型在验证集的评估没有进一步的提高，则在已保存的模型中选择在验证集上执行最小损失的模型作为最优模型，并在测试集上对其进行评估。
技术总结
本发明涉及软件可信性自动验证技术领域，公开了一种基于项游走图神经网络的前提选择方法，包括：数据集的建立；字符型逻辑公式表示为结构化的有向无环图；基于图的项游走模式的拓展；基于本发明提出的图项游走模式，设计项游走图神经网络，用于把逻辑公式图编码为对应的图特征实值向量；基于本发明提出的项游走图神经网络，设计前选择方法，输出为前提公式对结论公式在ATP自动证明中的实值有用性得分；在限定迭代次数下对本发明提出的端到端的基于项游走图神经网络的前提选择模型进行训练、验证和测试。本发明还公开了一种基于项游走图神经网络的前提选择系统。神经网络的前提选择系统。神经网络的前提选择系统。
技术研发人员：刘清华 朱绪胜 陈代鑫 周力 缑建杰 陈俊佑 蔡怀阳 曾静文 马晨辉
受保护的技术使用者：成都飞机工业（集团）有限责任公司
技术研发日：2022.07.20
技术公布日：2022/10/18