En 1936 Alan Turing demostro que el halting problem, esto es, el problema de decidir si un programa termina o no, es un problema indecidible para la inmensa mayoria de los lenguajes de programacion. A pesar de ello, la terminacion es un problema tan relevante que en las ultimas decadas un gran numero de tecnicas han sido desarrolladas para demostrar la terminacion de forma automatica de la maxima cantidad posible de programas. Los sistemas de reescritura de terminos proporcionan un marco teorico abstracto perfecto para el estudio de la terminacion de programas. En este marco, la evaluaci on de un t ermino consiste en la aplicacion no determinista de un conjunto de reglas de reescritura. El estrechamiento (narrowing) de terminos es una generalizacion de la reescritura que proporciona un mecanismo de razonamiento automatico. Por ejemplo, dado un conjunto de reglas que denan la suma y la multiplicacion, la reescritura permite calcular expresiones aritmeticas, mientras que el estrechamiento permite resolver ecuaciones con variables. Esta tesis constituye el primer estudio en profundidad de las propiedades de terminacion del estrechamiento. Las contribuciones son las siguientes. En primer lugar, se identican clases de sistemas en las que el estrechamiento tiene un comportamiento bueno, en el sentido de que siempre termina. Muchos metodos de razonamiento automatico, como el analisis de la semantica de lenguajes de programaci on mediante operadores de punto jo, se benefician de esta caracterizacion. En segundo lugar, se introduce un metodo automatico, basado en el marco teorico de pares de dependencia, para demostrar la terminacion del estrechamiento en un sistema particular. Nuestro metodo es, por primera vez, aplicable a cualquier clase de sistemas. En tercer lugar, se propone un nuevo metodo para estudiar la terminacion del estrechamiento desde un termino particular, permitiendo el analisis de la terminacion de lenguajes de programacion. El nuevo metodo generaliza los / Iborra López, J. (2010). Termination of Narrowing: Automated Proofs and Modularity Properties [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/19251 / Palancia

Esta tesis aborda el estudio, diseño y formalización de herramientas computacionales concretas para seleccionar y cambiar el criterio de preferencia entre argumentos que es utilizado por el sistema de Programación Lógica Rebatible (DeLP) requerido para decidir derrotas al analizar ataques entre argumentos. Para lograr esto, se proponen varios servicios de razonamiento basados en DeLP que disponen de distintos criterios y permiten llevar a cabo esta tarea de diferentes maneras. Como parte de la contribución, se propone un servicio que utiliza expresiones condicionales para programar cómo seleccionar el criterio que mejor se ajusta a las preferencias del usuario o a una situación en particular. Por otra parte, en la tesis se aborda también la definición de un servicio con mecanismos que permiten no solo seleccionar sino también combinar criterios. Estos mecanismos permiten que sea posible comparar argumentos considerando de manera simultánea más de un criterio. Como se detalla a continuación, DeLP ha demostrado ser de gran utilidad en diferentes dominios de aplicación [CCS05, RGS07, GCS08, GGS10]. Los formalismos propuestos incorporan herramientas concretas para tratar el manejo de múltiples criterios de preferencia entre argumentos, lo cual no ha sido considerado hasta el momento por otros trabajos. En consecuencia, los resultados obtenidos en esta tesis brindan una contribución importante a los desarrollos en la comunidad de argumentación, particularmente en el campo de los sistemas basados en Programación Lógica Rebatible, significando además un aporte dentro del área de Inteligencia Artifcial en las Ciencias de la Computación.

Los sistemas de recomendación se han hecho cada vez más frecuentes en los últimos años, ya que ayudan a los usuarios a acceder a elementos relevantes del vasto universo de posibilidades disponibles en estos días. La mayoría de las investigaciones existentes en el área se basan puramente en aspectos cuantitativos, tales como índices de popularidad o medidas de similitud entre elementos o usuarios. En esta tesis se desarrollaron distintos modelos para la implementación de sistemas de recomendación, que incorporan aspectos que difieren de los más clásicos de un recomendador. Uno de los modelos desarrollados incorpora la noción de confiabilidad, mientras que otro fomenta la transparencia de la recomendación para los usuarios y la flexibilidad para instanciar las preferencias de recomendación en un sistema de recomendación. Los modelos propuestos incorporan el uso de argumentos a favor o en contra de las recomendaciones para determinar si una sugerencia debe ser presentada o no a un usuario. Para lograr esto, se adopta la Programación Lógica Rebatible (DeLP, del inglés, Defeasible Logic Programming) como el formalismo subyacente para modelar hechos y reglas sobre el dominio de recomendación y para computar el proceso de argumentación. Este enfoque tiene varias ventajas sobre otras técnicas de recomendación existentes. En particular, las recomendaciones se pueden refinar fácilmente en cualquier momento agregando nuevas reglas pulidas. También, queda en evidencia la capacidad de inferencia de los modelos propuestos. Lo más importante es que las explicaciones que apoyan cada recomendación pueden proporcionarse de una manera que sea fácil de entender para el usuario, por medio de los argumentos calculados. / Recommender systems have become prevalent in recent years as they help users to access relevant items from the vast universe of possibilities available these days. Most existing research in this area is based purely on quantitative aspects such as indices of popularity or measures of similarity between items or users. In this thesis, different models were developed for the implementation of recommendation systems, which incorporate aspects that differ from those classically found in a recommender. One of the models developed incorporate the notion of trust, while another promotes the transparency of the recommendation for users and the flexibility to instantiate recommendation preferences in a recommendation system. The proposed models incorporate the use of arguments in favor or against recommendations to determine if a suggestion should be presented or not to a user. In order to accomplish this, Defeasible Logic Programming (DeLP) is adopted as the underlying formalism to model facts and rules about the recommendation domain and to compute the argumentation process. This approach has a number of advantages over other existing recommendation techniques. In particular, recommendations can be easily refined at any time by adding new polished rules. Also, the inference capability of the proposed models is evident. Most importantly, explanations supporting each recommendation can be provided in a way that is easily understood by the user, by means of the computed arguments.