[論文レビュー] Belief Revision with Uncertain Inputs in the Possibilistic Setting

Didier Dubois, Henri Prade|arXiv (Cornell University)|Feb 13, 2013

Logic, Reasoning, and Knowledge参考文献 24被引用数 3

ひとこと要約

本稿は、可能性理論を用いて不確実な入力を想定した信念修正フレームワークを提案し、minベースと積ベースの条件付き演算を比較する。Williamsの変換とBoutilierの自然な修正を、可能性的枠組み内で統合し、順序的または数値的可能度スケールを用いて不確実な証拠を一貫して組み込む方法を示す。

ABSTRACT

This paper discusses belief revision under uncertain inputs in the framework of possibility theory. Revision can be based on two possible definitions of the conditioning operation, one based on min operator which requires a purely ordinal scale only, and another based on product, for which a richer structure is needed, and which is a particular case of Dempster's rule of conditioning. Besides, revision under uncertain inputs can be understood in two different ways depending on whether the input is viewed, or not, as a constraint to enforce. Moreover, it is shown that M.A. Williams' transmutations, originally defined in the setting of Spohn's functions, can be captured in this framework, as well as Boutilier's natural revision.

研究の動機と目的

• 入力情報が不確実である場合の信念修正を扱うことで、古典的修正モデルを曖昧な知識や部分的知識に対応させる。
• 可能性分布の修正に用いる2つの条件付き演算（minベース（順序的）と積ベース（基数的））の違いを比較する。
• Williamsの変換やBoutilierの自然な修正といった既存の修正アプローチを、可能性的枠組み内で統一する。
• 不確実な入力を、強制すべき制約として扱うか、柔軟に統合すべき情報として扱うかを明確にする。
• 質的および量的不確実性を両方取り入れられる、可能性理論に基づく信念修正の原則的枠組みを提供する。

提案手法

• 信念の度合いを可能性分布として表現し、可能な世界の上に可能性分布を定義する。
• 2種類の条件付き演算を適用する：minベース（順序的スケールのみを要する）と積ベース（数値的スケールを必要とし、Dempsterの規則の特殊ケースに相当する）。
• 信念修正を、不確実な入力から導出された条件付き可能性分布を用いて可能性分布を更新するものとして定義する。
• 不確実な入力を、強制すべき制約として扱うか、統合すべき情報として扱うかの区別を導入する。
• Williamsの変換とBoutilierの自然な修正を、異なる条件付き規則に基づく可能性的修正の特定の例として再定式化する。
• 高い可能性値がより妥当性の高い世界を示す、好みに基づく意味論を採用し、修正がこれらの値を一貫して調整する。

実験結果

リサーチクエスチョン

• RQ1 入力が確定的ではなく不確実な場合、信念修正はどのように形式化できるか？
• RQ2 可能性理論におけるminベースと積ベースの条件付き演算の違いと、それらのトレードオフは何か？
• RQ3 Williamsの変換は可能性的枠組み内で捉えられるか？ もしそうなら、どのように？
• RQ4 Boutilierの自然な修正は、可能性的条件付き演算とどのように関係するか？
• RQ5 不確実な入力は、強制すべき制約として扱うべきか、それとも柔軟に統合すべき情報として扱うべきか？

主な発見

• minベースの条件付き演算は、順序的スケールのみを用いるため、質的信念修正に適している。
• 積ベースの条件付き演算は、数値的可能度値を必要とし、Dempsterの規則の特殊ケースに相当する。
• Williamsの変換は、可能性分布に基づく特定の修正規則を通じて、自然に可能性的枠組み内で捉えられる。
• Boutilierの自然な修正は、積ベースの条件付き規則を用いた特定の形の可能性的修正に等価であることが示された。
• 本稿では、不確実な入力を制約として扱うと修正がより厳密になる一方、情報として扱うと信念更新がより柔軟になることが確立された。
• 本フレームワークは、さまざまな修正戦略を統一的に捉える視点を提供し、それらが可能性理論内での整合性を有することを示した。