Spracherkennungs-und Anfrage-Aequivalenz von MSO, monadischem Datalog, und Automaten. Thomas...

Spracherkennungs-und Anfrage-

Aequivalenz von MSO, monadischem Datalog, und Automaten.

Thomas Kloecker

Betreuer: Tim Priesnitz

Seminar Logische Aspekte von XML,Gerd Smolka, PS Lab, Uni Saarland, SS 2003

Uebersicht

0. Datalog vs. SQL; monadischer Datalog1. Automaten monadischer Datalog2. Monadischer Datalog MSO3. MSO Automaten

Universum AutomatentypenA. StringsB. Ranked TreesC. Unranked Trees

• 'algebraisch' vs.

bottom-up vs.top-down.

• deterministisch?

Uebersicht


Universum AutomatentypenA. StringsB. Ranked TreesC. Unranked Trees

• 'algebraisch' vs.

bottom-up vs.top-down.

• deterministisch?

Uebersicht


Universum Automatentypen

Aufgabe

A. StringsB. RankedC. Unranked

'normal' vs.two -way deterministisch

• Sprach-erkennung

• Query-Berechnung

Automaten, monadischer Datalog & MSO

Datalog

Datalog - Beispiel

11

6

5

c

b

a

}3,1,0{

}2,1{

}2,0{

c

b

a

N

N

N

q0 q1

1

1

0

1

0

1

0

0

0

0

1

1

1

0

0

1

1

1

0

1

0

0

0

1

q2

Endlicher Automat für Addition

Presburger Arithmetik

1 0 1 0 0 ...

0 1 1 0 0 ...

1 1 0 1 0 ...

q0 q0 q0 q1 q0 q2

Datalog - Beispiel nocar(0).

nocar(NextPos) :- s(Pos, NextPos), nocar(Pos), in_000(Pos). % 0+0+0 = 0+0



nocar(NextPos) :- s(Pos, NextPos), carry(Pos), in_001(Pos). % 1+0+0 = 1+0

% c+x+y = z+c'

carry(NextPos) :- s(Pos, NextPos), carry(Pos), in_010(Pos). % 1+0+1 = 0+1



carry(NextPos) :- s(Pos, NextPos), nocar(Pos), in_110(Pos). % 0+1+1 = 0+1

endOfFile(NextPos) :- s(Pos, NextPos), in_BotBotBot(Pos).

accept :- endOfFile(_).

in_101(0).

in_011(1).

in_110(2).

in_001(3).

in_BotBotBot(4).

s(0,1).

s(1,2).

s(2,3).

s(3,4).

s(4,5).

Datalog Beispiel Presburger Arithmetik

nocar(0).

nocar(NextPos) :- s(Pos,




% c+x+y = z+c'







in_101(0).

in_011(1).

in_110(2).

in_001(3).

in_BotBotBot(4).

s(0,1).

s(1,2).

s(2,3).

s(3,4).

s(4,5).

1 0 1 0 0 ...

0 1 1 0 0 ...

1 1 0 1 0 ...

Datalog Beispiel Presburger Arithmetik nocar(0).





% c+x+y = z+c'







in_101(0).

in_011(1).

in_110(2).

in_001(3).

in_BotBotBot(4).

s(0,1).

s(1,2).

s(2,3).

s(3,4).

s(4,5).

nocar(0).nocar(NextPos) :- s(Pos, NextPos), nocar(Pos), in_000(Pos). % 0+0+0 = 0+0




% c+x+y = z+c'







in_101(0).

in_011(1).

in_110(2).

in_001(3).

in_BotBotBot(4).

s(0,1).

s(1,2).

s(2,3).

s(3,4).

s(4,5).



nocar(0).nocar(NextPos) :- s(Pos, NextPos), nocar(Pos), in_000(Pos). % 0+0+0 = 0+0




% c+x+y = z+c'




carry(NextPos) :- s(Pos, NextPos), nocar(Pos), in_110(Pos).



in_101(0).

in_011(1).

in_110(2).

in_001(3).

in_BotBotBot(4).

s(0,1).

s(1,2).

s(2,3).

s(3,4).

s(4,5).

nocar carry

1

1

0

1

0

1

0

0

0

0

1

1

1

0

0

1

1

1

0

1

0

0

0

1

endOfFile

Datalog nocar(0).





% c+x+y = z+c'




carry(NextPos) :- s(Pos, NextPos), nocar(Pos), in_110(Pos).



in_101(0).

in_011(1).

in_110(2).

in_001(3).

in_BotBotBot(4).

s(0,1).

s(1,2).

s(2,3).

s(3,4).

s(4,5).

nocar carry

1

1

0

1

0

1

0

0

0

0

1

1

1

0

0

1

1

1

0

1

0

0

0

1

endOfFile

Datalog - Grundlegende Konzepte

• Extensionaler und intensionaler Programmteil• kurzer Vergleich mit SQL • formale Definition • Dialekte

• basic vs. stratified • monadisch / voll

• Prolog• Semantik

Datalog vs SQLSQL Datalog

Typen Schema = Menge von Namen von Relationen und Attributen

Signatur = Namen und Aritaeten der extensionalen Praedikate

Modellierung von

gespeichert vs berechnet

Tables vs Views

Extensionale Datenbank (EDB) vs IntensionaleDatenbank (IDB)

Expressivitaet

Transitiver Abschluss nicht modellierbar

Turing complete.

Datalog vs SQLSQL - tablesGetraenke(gid, name, preis)

Kunden(tid, tname, schuhgroesse)

Konsum(gid, tid, menge, datum)------------------------------------------------------------------------------------------------------------

SQL - viewsKunde2(tid, kontonummer)

Konsum2(name, preis, menge, datum, schuhgroesse)

SELECT blahblah-----------------------------------------------------------------------------------------------------------

Datalog- Signatur(getraenk, kunde, konsum)

-----------------------------------------------------------------------------------------------------------

kunde(17, hans, 46).kunde(18, maria, 40).mensch(sokrates).mensch(hans).

Datalog- RegelnAlle Menschen sind sterblich.sterblich(X) :- mensch(X).-------------------------------------------------------------------------------------------------------

Wenn Hans 2 Paar Schuhe hat, verkauft er das teurere Paar.verkauft(hans, X) :- hat(hans,X), hat(hans,Y),schuh(X), schuh(Y), X\==Y, teurerAls(X,Y).

Datalog - Interaktion / Anfragen

1 ?- sterblich(sokrates).

yes.



yes.

2 ?- sterblich(X).

X = sokrates;



yes.

2 ?- sterblich(X).

X = sokrates;X = hans;



yes.

2 ?- sterblich(X).

X = sokrates;X = hans;no.

Datalog - Interaktion / Anfragen1 ?- sterblich(sokrates).yes.

2 ?- sterblich(X).

X = sokrates;X = hans;no.

3 ?- sterblich(_).yes.

Datalog - formale Definition

• Signatur = dasselbe wie ranked Alphabet (Datalog - Sprechweise)

• Sei eine Signatur gegeben. Ein einfaches Datalog Programm (ueber )

mit intensionalen Praedikaten PI ist eine Menge von Regeln der Form

H :- B1, …, Bn.

(wobei die linke Seite H Head, und die rechte Seite B1, …, Bn Body,genannt werden), wenn gilt:

1) Alle Heads sind in Atome Ru1,.., un mit R in PI .

2) Alle Bj , 1 <= j <= n, sind entweder Atome Ru1,.., un mit R in PI ,

oder Literale (¬)Ru1,.., un mit R in ,

3) PI =

Datalog - formale Definition• Die Elemente von heissen auch extensionale Praedikate oder Input Praedikate. Das einfache Datalog Program selbst heisst auch intensionale Datenbank, oder IDB.• Eine Regel wie die obige, jedoch mit leerem Body, und als Head ein

Atom Ru1,.., un mit R aus , heisst auch ein Fakt. Mengen von Fakten

heissen auch extensionale Datenbank, oder EDB.• Die Semantik des Programms (d.h. der IDB) ist eine Abbildung

EDB Zuweisung von Wahrheitswerten an die intensionalen Praedikate.• Ein stratifiziertes Datalog Programm ist eine geordnete Folge von einfachen Datalog Programmen, Strata genannt. Jedes Stratum wird als EDB (d.h. Input) des naechsthoeheren Stratums interpretiert.

Datalog - formale Definition• Ein Datalog Programm heisst monadisch, wenn alle intensionalen Praedikate Aritaet 1 haben. • Die Signatur fuer monadischen Datalog auf ranked trees gemaess Gottlob/Koch ist: ( root, leaf, (childk)k <= maxAritaet, (labela) a , )

• Die Signatur fuer monadischen Datalog auf unranked trees gemaess Gottlob/Koch ist: ( root, leaf, (labela) a ) firstChild, lastChild, nextSibling)

Datalog - Semantik

EDB mensch(sokrates).

IDB sterblich(X) :- mensch(X).

InteractiveToplevel

1 ?- sterblich(sokrates).yes.

2 ?- sterblich(thomas).no.

Datalog - Semantik

shaves(barber, X) :- ¬shaves(X, X).

1 ? - shaves(cartman, cartman).no.2 ? - shaves(barber, cartman).yes.3 ? - shaves(barber, barber).ERROR: out of local stack

Datalog - Semantik

• Erste Wahl: Kleinster Fixpunkt (Perfect Model)• Existiert fuer einfaches Datalog• Im stratified Fall Semantik hierarchisch / schrittweise; kleinster Fixpunkt existiert nicht.

Datalog - stratified%% search.pl -- Section 2.16 of Prolog Tutorial

solve(P) :- start(Start), search(Start,[Start],Q), reverse(Q,P).

search(S,P,P) :- goal(S). /* done */search(S,Visited,P) :- next_state(S,Nxt), /* generate next state */ safe_state(Nxt), /* check safety */ no_loop(Nxt,Visited), /* check for loop */ search(Nxt,[Nxt|Visited],P). /* continue searching... */

no_loop(Nxt,Visited) :- \+member(Nxt,Visited).

start([]).goal(S) :- length(S,8).

next_state(S,[C|S]) :- member(C,[1,2,3,4,5,6,7,8]), \+member(C,S).

safe_state([C|S]) :- length(S,L), Sum is C+L+1, Diff is C-L-1, safe_state(S,Sum,Diff).

safe_state([],_,_) :- !.safe_state([F|R],Sm,Df) :- length(R,L), X is F+L+1, X \= Sm, Y is F-L-1, Y \= Df, safe_state(R,Sm,Df).

Automaten monadischer Datalog

• ranked trees: Beispiel: d(neg(0), or(0, 1))

Signatur: ( root, leaf, (childk)k <= maxAritaet, (labela) a , )

lblAND(root).lblNOT(root-1).lblFALSE(root-1-1).lblOR(root-2).lblTRUE(root-2-2).lblFALSE(root-2-1).

root(root).child_1(root, root-1).child_2(root, root-2).child_1(root-1, root-1-1).child_1(root-2, root-2-1).child_2(root-2, root-2-2).

Automaten monadischer Datalogaccept :- truth(root).

false(Pos) :- lblFALSE(Pos).truth(Pos) :- lblTRUE(Pos).

false(Pos) :- lblAND(Pos), child_1(Pos, ChildPos), false(ChildPos).false(Pos) :- lblAND(Pos), child_2(Pos, ChildPos), false(ChildPos).truth(Pos) :- lblAND(Pos), child_1(Pos, ChildPos_1), child_2(Pos,

ChildPos_2), truth(ChildPos_1), truth(ChildPos_2).

truth(Pos) :- lblOR(Pos), child_1(Pos, ChildPos), truth(ChildPos).truth(Pos) :- lblOR(Pos), child_2(Pos, ChildPos), truth(ChildPos).false(Pos) :- lblOR(Pos), child_1(Pos, ChildPos_1), child_2(Pos,

ChildPos_2), false(Pos-1), false(Pos-2).

truth(Pos) :- lblNOT(Pos), child_1(Pos, ChildPos), false(ChildPos).false(Pos) :- lblNOT(Pos), child_1(Pos, ChildPos), truth(ChildPos).

Automaten monadischer DatalogDefinition:

Gegeben ein monadisches Datalog-Programm P ueber ranked trees mit ausgezeichnetem Praedikat accept,

und mit LEERER EDB. Fuer einen Sigma-gelabelten Baum T definiereedb(T) := Uebersetzung von T in TauRanked(Sigma) Schreibweise,P(T) := das Datalog Programm mit IDB P und EDB edb(T), undM(P(T)) := das eindeutig bestimmte minimale Modell von P(T)dann ist die von P erkannte Sprache L(P) (N* -> Sigma)r-Baum definiert

durch

T in L(P) <==> M(P(T)) |= accept.( In der Praxis: T in L(P) <==> Prolog (oder sonstige Implementierung) antwortet "yes" auf die

Frage "accept." )

Gegeben ein deterministischer Baumautomat A ueber Sigma, mit Zustandsmenge Q,

und Uebergangsfunktionen Delta(Sigma) in Q^n -> Q fuer sigma in Sigma und ar(sigma) = n.

Satz (Gottlob) es ex ein monadisches Datalog-Programm P, derart dass L(P) = L(A)

Automaten monadischer Datalog

Beweis / Konstruktion:

* Fuer jedes q in Q intensionales Praedikat, ebenfalls q genannt.

* Fuer sigma in Sigma, ar(sigma) = n, q-bar = (q1,...,qn) in Q^n, sei die Regel R(sigma, Q-bar) wie folgt definiert ( wobei

delta(sigma)(q-bar) = q )

q(Pos) :- label_sigma(Pos), child(Pos, ChildPos1), q1(ChildPos1),.......

* Fuer Endzustaende q definiere die Regel R_fin(q) durch

accept :- q(root).

Fuer jede Regel deltaaccept :- truth(root).

Automaten monadischer DatalogGegeben ein deterministischer Baumautomat A ueber Sigma, mit Zustandsmenge Q,

und Uebergangsfunktionen Delta(Sigma) in Q^n -> Q fuer sigma in Sigma und ar(sigma) = n.

Satz (Gottlob) es ex ein monadisches Datalog-Programm P, derart dass L(P) = L(A)

Beweis / Konstruktion:

* Fuer jedes q in Q intensionales Praedikat, ebenfalls q genannt.

* Fuer sigma in Sigma, ar(sigma) = n, q-bar = (q1,...,qn) in Q^n, sei die Regel R(sigma, Q-bar) wie folgt definiert ( wobei delta(sigma)(q-bar) = q )

q(Pos) :- label_sigma(Pos), q1(Pos-1),...,qn(Pos-n). ( verkuertzt Schreibweise )

q(Pos) :- label_sigma(Pos), child(Pos, ChildPos1), q1(ChildPos1),....... ( geschwaetzige Schreibweise )

* Fuer Endzustaende q definiere die Regel R_fin(q) durch

accept :- q(root).Fuer jede Regel deltaaccept :- truth(root).

false(Pos) :- lblFALSE(Pos).truth(Pos) :- lblTRUE(Pos).

false(Pos) :- lblAND(Pos), child_1(Pos, ChildPos), false(ChildPos).false(Pos) :- lblAND(Pos), child_2(Pos, ChildPos), false(ChildPos).truth(Pos) :- lblAND(Pos), child_1(Pos, ChildPos_1), child_2(Pos, ChildPos_2), truth(ChildPos_1), truth(ChildPos_2).

truth(Pos) :- lblOR(Pos), child_1(Pos, ChildPos), truth(ChildPos).truth(Pos) :- lblOR(Pos), child_2(Pos, ChildPos), truth(ChildPos).false(Pos) :- lblOR(Pos), child_1(Pos, ChildPos_1), child_2(Pos, ChildPos_2), false(Pos-1), false(Pos-2).

truth(Pos) :- lblNOT(Pos), child_1(Pos, ChildPos), false(ChildPos).false(Pos) :- lblNOT(Pos), child_1(Pos, ChildPos), truth(ChildPos).

Contribution

• theorem: satisfiability of structural subtyping

constraints for recursive types is DEXPTIME complete.

• new relationship to modal logics

• extension of Wand & Tiuryn´s appoach

Sprache Baeume Anfrage Baeume ( ( Knoten ) )

Korrespondenz Automaten <--> MSO hochheben auf

• Anfragen• unranked caseconclusion

Spracherkennung vs. Anfragen

Position

1 2 3 4 5 6 7 8

U A A B A A C A A

V A A C A A B A A

Position

1 2 3 4 5 6 7 8

U A A B A A C A A

V A A C A A B A A

Position

1 2 3 4 5 6 7 8

U A A B A A C A A

V A A C A A B A A

forth(4)

back(7)

Related Work

• subtype constraints for programming languages

[Mitchell 91]

• logical problems: satisfiability, [Fuh, Mishra 90, Amadio, Cardelli 93, Eifrig, Smith, Trifonow 95 ...]

entailment, and

[Pottier 98, Rehof, Henglein 97, Niehren, Priesnitz]

first-order validity [Aiken, Zu, Niehren, Priesnitz, Treinen,

Kuncak]

• satisfiability checking for type reconstruction

forth(4)

back(7)

Contribution

• theorem: satisfiability of structural subtyping

constraints for recursive types is DEXPTIME complete.

• new relationship to modal logics

• extension of Wand & Tiuryn´s appoach

Types

• basic types int, real

• function types

• pair types

• polymorphic types x. xx [Milner]

pair int

int int

Types are Trees

signature of function symbols a,b,f

f

a f

a f

a

f

a f

a b

a

.

.

.

constants only finite trees (ground terms) infinite trees

f ( a , f(a,b) )

Subtyping

• subtypes (substitution) int ≤ real [Mitchell 91]

• ordering is lifted to ground terms

Example: a ≤ b f(a,a) ≤ f(a,b)

t1 ≤ s1 t2 ≤ s2

f(t1, t2) ≤ f(s1, s2)

Structural versus Non-Structural

f

b f

a b

f

a f

a b

≤

f

f

f

f

≤

≤ τ ≤ τ

for every tree τ

Constraint Languages

• terms t over basic types, smallest/greatest

types ?, function (pair) types, and type variables

• subtype constraints are conjunctions of inequations t1 ≤ t2

Open Questions

• Is entailment of non-structural subtyping decidable?

- structural case solved [Rehof, Henglein 97,98]

- many approaches [Niehren, Priesnitz, Aiken, Zu, Treinen]

• satisfiability of subtyping with constant ordering

- complexity for structural subtyping with recursive types [Wand, Tiuryn: between PSPACE and DEXPTIME] - decidability for non-structural subtyping

Structural Subtyping with Constants

• constant ordering is lattice: O(n ) [Kozen, Palsberg, Schwartzbach 94, Palsberg, Wand, O’Keefe 97] • arbitrary ordering

3

constants only NP-hard in NP

finite trees PSPACE-hard in PSPACE

infinite trees DEXPTIME-hard in DEXPTIME

new! Tiuryn, Wand 93

Tiuryn, Wand 93 Frey 2002

Pratt, Tiuryn 93,96 easy

lower bound upper bound

Example: NP-hardness

signature with 4 constantsc < a, c < b, d < a, d < b

a b

c d

consider constraint c ≤ x ≤ a d ≤ y ≤ b y’ ≤ x ≤ x’ y’ ≤ y ≤ x’

a x’ b

x y

c y’ d

which has exactly 2 solutions:

a=x=x’ b

c y’=y=d

a x=x’=b

c=y’=y d

Negation Gate

has exactly 2 solutions:a=z3=z2, b=z4=z1, c=x=z5,

d=y=z6

a=x=z1, b=y=z2, c=z4=z6,

d=z3=z5

a z1 z2 b

x z3 z4 y

c z5 z6 d

true z1 z2 b

x z3 z4 y

false z5 z6 d

b z7 true

y z

d z8 false

plug it together

negation gate: x = z

Negation Gate for Vectorsf

f truef false

.

f true.

.

f

f falsef false

.

f true.

.

f

f falsef false

.

f true.

.

true

false

true.

.

.

false

false

.

.

.

true

false

false

.

.

.

true

*constants are unary

*

Negation Gate: Implementation

• new variables: a∞ a∞ = a ( a∞ )

• x is boolsche: false∞ ≤ x ≤ true∞

• same idea to implement only negate at position π negate all positions at π1*

a

. . .

a a

π

π*

Example: 1-Bit-Counter

given signature with 4 unary symbols true a

false b

true∞ ≤ x ≤ false∞ true∞ ≤ y ≤ false∞ x= y x=true(y)

define counter by

x

true

false

true

false

false

true

false

true

y

Regular Tree Constraints: Models

1

1

1

2

2

2

Complete Infinite Tree.

x y

x y

x y

x y

x y

x y

x y x y x y

alternative: v {true,false} for π in (1∪2)*

π

Regular Tree Constraintsgiven signature with constant ordering, alphabet A of letters i, regular expressions r over A, regular tree constraints are conjunctions of 4 types• ( x ≤ y )

• ( x ≤ y )

• ( x ≤ c )

• ( c ≤ x )

π πi π in r

πi π π in r

π π in r

π π in r

Tiuryn & Wand’s ApproachSatisfiability of structural subtype constraintsover infinite trees is O(n)-reducible toregular tree constraints.

Tiuryn, Wand 93

Propositional Dynamic Logic (PDL)

• Pratt’s dynamic logic

• logic for program verification

• propositional fragment by Fischer, Ladner

PDL Models

models are rooted directed labeled graphs

1

1,2

2

2

2

x y

x y

x y

x y

x y

x y

x y

2

PDL Language

• alphabet A = { 1,2,...n }

• regular expressions r over A

• PDL Syntax: φ ::= P φ φ φ’ [r] φ

• modal operator [r] φ

for all r-sucessors holds φ

2

1P Q

P Q

[1∪2] (PQ)

Example: 1-Bit-Counter

[1*] (P ∨ [1] P) P has one solutionin the class of unary infinite deterministic trees

+

1

1

1

1

P

P

P

P

Tree PDL

theorem: satisfiability of Tree PDL is DEXPTIME-complete

proof: reduction to deterministic PDL: models are restricted to be functional

1

1

1

2

2

2

2

2

forbidden

1,2

Satisfiability of Deterministic PDL is DEXPTIME-complete.

Ben-Ari, Halpern, Pnueli 82 & Parikh 78

Regular Tree Constraints Tree PDL

theorem: regular tree constraints are a fragment of tree DPL example signature

x ≤ y Px Py

• ( x ≤ y ) [r] (Px [i]Py)

• ( x ≤ false ) [r] (Px false)

π πi π in r

π π in r

true

false

ε ε

Core Tree PDL

Core Tree PDL is defined by a restricted syntax:

φ ::= [r1]ψ1 … [rn]ψn where r is ε or (1∪2)*

ψ ::= P ψ ψ ψ [r] ψ where r is 1 or 2

Satisfiability of Core Tree PDL

theorem: satisfiability of Core Tree PDL is DEXPTIME-complete

possibilities for the hardness-proof: encode• Halting-Problem of alternating linear-space bounded Turing machine.• Exists a winning strategy in a two person tiling game? Maarten de Rijke:

PDL

• Emptiness of the intersection of some tree automta. Helmut Seidl: haskell

overloading

Sat. of Core Tree PDL is DEXPTIME-hardregard n tree automata (Q, Σ, δ, q ) with Σ = { f, a, b }

Pf

Pa

Pb

P# P# P# P#

a

b

f

init

except one nonempty infinite tree[(1∪2)*] ( Pf ∨ Pa ∨ Pb ∨ P#)[(1∪2)*] (Pa ∨ Pb ∨ P#) [1∪2] P# [ε] P#

+ + +

except one nonempty finite treemark with counterall exponential deep nodes

[(1∪2)*] Pdeep P#

Pf

Pa

Pb

Pdeep PdeepPdeep Pdeep

Sat. of Core Tree PDL is DEXPTIME-hard

Pqinit

Pq2

Pq2

Pq1 Pq1 Pq1 Pq1

init

every tree automata accepts a tree

[ε] Pq

[(1∪2)*] (Pf ∧ [1] Pq ∧ [2] Pq’ ) Pq’’ if f(q,q’) q’’ in δ[(1∪2)*] Pa Pq if a q in δ

init

Core Tree PDL Subtype Constraints

main theorem: sat. of core tree PDL is O(n)-reducible to sat. of structural subtype constraints over infinite trees.

reduce example: [(1∪2)*] (P [i]P’)

[*] P2= (P P1= ( [i] P’ ) ) [*] P2 = (P P1 = ( [i] P’ )

)

false∞ ≤ { P2, P, P1, P’ } ≤ true∞

P1=true( P‘) P2 = P P1

P2=true ∞

* * * * *i

*

Conclusion

• modal logic approach to subtyping constraints

• non-structural case still open

• can we extend our approach?

• what about entailment?

thank you

Result Pratt, Tiuryn 96

Satisfiability of Structural Subtype Constraints is NP-complete in the Model of single Leafs. (Signature contains only Constants)

Date post:	05-Apr-2015
Category:	Documents
Upload:	sieghild-larch
View:	106 times
Download:	0 times

Spracherkennungs-und Anfrage-Aequivalenz von MSO, monadischem Datalog, und Automaten. Thomas...

Documents