[논문 리뷰] Belief Revision with Uncertain Inputs in the Possibilistic Setting

Didier Dubois, Henri Prade|arXiv (Cornell University)|2013. 02. 13.

Logic, Reasoning, and Knowledge참고 문헌 24인용 수 3

한 줄 요약

이 논문은 가능성 이론을 사용하여 불확실한 입력에 대한 믿음 재편성 프레임워크를 제안하며, 최소 기반(conditioning)과 곱 기반(conditioning) 운영 방식을 비교한다. 이는 윌리엄스의 변환과 부틸리에르의 자연적 재편성(natural revision)을 가능성 이론적 맥락에서 통합하여, 순서 척도 또는 수치적 가능성 척도를 통해 불확실한 증거를 일관되게 통합할 수 있음을 보여준다.

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.

연구 동기 및 목표

• 들어오는 정보가 불확실할 경우 믿음 재편성을 다루기 위해 고전적 재편성 모델을 정밀하거나 부분적인 지식을 다룰 수 있도록 확장하는 것.
• 가능성 분포를 재편성하기 위해 최소 기반(순서 척도 기반)과 곱 기반(수치 척도 기반)의 두 가지 조건화 운영 방식을 비교하는 것.
• 윌리엄스의 변환과 부틸리에르의 자연적 재편성과 같은 기존의 재편성 접근 방식을 가능성 이론적 프레임워크 안에서 통합하는 것.
• 불확실한 입력을 강제로 이행해야 할 제약 조건으로 간주할 것인지, 아니면 단순한 정보 소스로 간주할 것인지 명확히 하는 것.
• 정량적 및 정성적 불확실성을 모두 수용할 수 있는 가능성을 기반으로 한 믿음 재편성의 원칙적인 방법을 제공하는 것.

제안 방법

• 가능성 이론을 사용하여 가능한 세계들에 대한 믿음 정도를 표현하며, 가능성 분포를 정의한다.
• 최소 기반(오직 순서 척도가 필요함)과 곱 기반(수치 척도가 필요함, 덤페스트르의 규칙과 동일)의 두 가지 조건화 운영 방식을 적용한다.
• 불확실한 입력으로부터 유도된 조건부 가능성 분포를 사용하여 가능성 분포를 갱신함으로써 믿음 재편성을 정의한다.
• 불확실한 입력을 강제로 이행해야 할 제약 조건으로 간주할 것인지, 아니면 통합되어야 할 정보로 간주할 것인지의 차이를 도입한다.
• 윌리엄스의 변환과 부틸리에르의 자연적 재편성을 각각 다른 조건화 규칙 하에서 가능성이론적 재편성의 특수한 사례로 재구성한다.
• 더 높은 가능성 값이 더 가능성 있는 세계를 나타내는 선호 기반 의미론을 사용하며, 재편성이 이러한 값을 일관되게 조정한다.

실험 결과

연구 질문

• RQ1 입력 정보가 확정적이지 않고 불확실할 경우 믿음 재편성이 어떻게 형식화될 수 있는가?
• RQ2 가능성 이론에서 최소 기반과 곱 기반 조건화 간의 차이점과 상호 간의 상충 요소는 무엇인가?
• RQ3 윌리엄스의 변환은 가능성 이론적 프레임워크 내에서 포괄될 수 있는가? 만약 가능하다면 어떻게 이루어지는가?
• RQ4 부틸리에르의 자연적 재편성은 가능성이론적 조건화 운영 방식과 어떻게 관련이 있는가?
• RQ5 불확실한 입력은 강제로 이행해야 할 제약 조건으로 간주할 것인지, 아니면 민감하게 통합되어야 할 정보로 간주할 것인가?

주요 결과

• 최소 기반 조건화 운영 방식은 오직 순서 척도만을 요구하므로 정성적 믿음 재편성에 적합하다.
• 곱 기반 조건화 운영 방식은 수치적 가능성 값을 필요로 하며, 덤페스트르의 조건화 규칙의 특수한 경우에 해당한다.
• 윌리엄스의 변환은 가능성 이론적 맥락에서 특정 가능성 분포 기반의 재편성 규칙을 통해 자연스럽게 포괄된다.
• 부틸리에르의 자연적 재편성이 곱 기반 조건화 규칙을 사용한 특정 형태의 가능성이론적 재편성과 동치임을 보여주었다.
• 논문은 불확실한 입력을 제약 조건으로 간주할 경우 더 딱딱한 재편성이 되며, 정보로 간주할 경우 더 민감한 믿음 갱신이 가능함을 규명하였다.
• 이 프레임워크는 다양한 재편성 전략을 통합적인 시각으로 제공하며, 가능성 이론 내에서 이들의 호환성을 보여주었다.