[論文レビュー] A Model for Non-Monotonic Reasoning Using Dempster's Rule

Mary McLeish|arXiv (Cornell University)|Mar 27, 2013

Bayesian Modeling and Causal Inference被引用数 6

ひとこと要約

この論文は、非単調推論におけるデムプスターの規則を確率的独立性の仮定とより一貫して統合する、見直された信念関数フレームワークを提案する。証拠結合における正規化係数の修正と、メタルールの構造的解釈の導入により、従来のデムプスターの規則の適用に比べ、直感的で衝突に強い結果が得られる。

ABSTRACT

Considerable attention has been given to the problem of non-monotonic reasoning in a belief function framework. Earlier work (M. Ginsberg) proposed solutions introducing meta-rules which recognized conditional independencies in a probabilistic sense. More recently an e-calculus formulation of default reasoning (J. Pearl) shows that the application of Dempster's rule to a non-monotonic situation produces erroneous results. This paper presents a new belief function interpretation of the problem which combines the rules in a way which is more compatible with probabilistic results and respects conditions of independence necessary for the application of Dempster's combination rule. A new general framework for combining conflicting evidence is also proposed in which the normalization factor becomes modified. This produces more intuitively acceptable results.

研究の動機と目的

• デムプスターの規則を非単調推論に適用する際の不整合を是正すること。これまでは、直感に反する結果を生じさせることがある。
• 信念関数における有効な結合を実現するために必要な条件付き独立性の仮定と、デムプスターの規則を整合させる。
• デフォルト推論システムにおける対立する証拠の結合に向けたより強固なフレームワークを構築すること。
• 結合された信念関数の直感的妥当性を高めるために、正規化プロセスを修正すること。
• デフォルト推論における確率的推論の結果と整合性を持つ一般化されたフレームワークを提供すること。

提案手法

• 条件付き独立性を符号化するメタルールの新しい解釈を導入し、確率的仮定と整合させる。
• 正規化係数の調整により、デムプスターの規則を用いた証拠の結合を再定義し、衝突の解消をより適切に反映させる。
• 対立する証拠の結合のための一般化されたフレームワークを提案。正規化を修正することで、矛盾する入力に対する過剰な自信を回避する。
• このアプローチにより、デムプスターの規則の正当な適用に必要な独立性条件が保たれることを保証する。
• 信念関数理論を用いてモデルを形式化。デフォルトおよび例外の条件を明示的に取り扱う。
• ピアールのeカルキュラスおよびジンスバーグのメタルールアプローチといった既存のシステムと比較することで、フレームワークを検証する。

実験結果

リサーチクエスチョン

• RQ1 非単調推論において、デムプスターの規則を適用する際に、直感に反する結果を生じさせることなく一貫して適用するにはどうすればよいか？
• RQ2 証拠結合における正規化係数にどのような修正を加えると、信念関数の更新の妥当性が向上するか？
• RQ3 デフォルト推論のための信念関数モデルにおいて、条件付き独立性を適切に符号化するにはどうすればよいか？
• RQ4 提案されたフレームワークは、従来のデムプスターの規則の応用に比べ、対立する証拠をどのようにうまく処理するか？
• RQ5 確率的推論の結果と整合する統一されたフレームワークを、デフォルト設定において開発できるか？

主な発見

• 証拠結合における修正された正規化係数により、対立する証拠が存在する状況でも、より直感的で安定した信念の更新が可能になる。
• 従来のデムプスターの規則の非単調推論への適用で報告された直感に反する結果を、このモデルは効果的に回避する。
• 条件付き独立性を尊重するメタルールを組み込むことで、フレームワークは確率的推論の原則と整合性を保つ。
• 提案されたフレームワークは、ピアールのeカルキュラスのような既存のデフォルト推論システムと、優れた互換性を示す。
• 不確実性や対立が生じる状況においても、信念関数モデルにおける証拠の結合に一般的で原理的かつ明確な方法を提供する。
• 結果から、独立性および正規化の適切な取り扱いが、信念関数を用いた信頼性の高い非単調推論の実現に不可欠であることが明らかになった。