[논문 리뷰] Centering with conjoined and iterated conditionals under coherence

Angelo Gilio, David E. Over외 2명|arXiv (Cornell University)|2017. 01. 25.

Advanced Algebra and Logic참고 문헌 72인용 수 3

한 줄 요약

이 논문은 일관성 기반 확률 분석을 사용하여 확률 이론에서 복합 조건문과 반복 조건문을 모델링하는 오랫동안 지속된 과제를 해결한다. 이는 연결된 조건문과 반복 조건문을 조건부 랜덤 양으로 해석하는 방법을 보여주며, de Finetti의 조건부 이벤트 논리에 확장하여 중심화 추론을 가능하게 하고, 고전적 및 확장된 중심화 프레임워크에서 결론에 대한 날카운 한 경계를 제공한다.

ABSTRACT

There is wide support in logic, philosophy, and psychology for the hypothesis that the probability of the indicative conditional of natural language, $P( extit{if } A extit{ then } B)$, is the conditional probability of $B$ given $A$, $P(B|A)$. We identify a conditional which is such that $P( extit{if } A extit{ then } B)= P(B|A)$ with de Finetti's conditional event, $B|A$. An objection to making this identification in the past was that it appeared unclear how to form compounds and iterations of conditional events. In this paper, we illustrate how to overcome this objection with a probabilistic analysis, based on coherence, of these compounds and iterations. We interpret the compounds and iterations as conditional random quantities which, given some logical dependencies, may reduce to conditional events. We show how to extend the inference of centering for conditional events, that is inferring $B|A$ from $A$ and $B$, to compounds and iterations of both conditional events and biconditional events. Moreover, we determine the lower and upper bounds for the conclusions in the classical and extended versions of centering. We also study some other related aspects. Finally, we apply our analysis to the semantics of counterfactuals.

연구 동기 및 목표

• 확률 프레임워크 내에서 조건부 이벤트의 복합화와 반복화를 형성하는 데 있어 역사적으로 지속된 어려움을 해결하기 위해.
• 특히 중심화 추론의 맥락에서 연결 및 반복 조건문을 다룰 수 있도록 일관성 기반 접근법을 확장하기 위해.
• 고전적 및 확장된 중심화에서 결론에 대한 정확한 하한 및 상한 확률 경계를 결정하여 논리적 일관성을 확보하기 위해.
• 역사적 조건문의 의미론에 이 프레임워크를 적용하여 그것들을 확률적 추론에 기반을 두기 위해.
• 조건부 랜덤 양이 복잡한 조건문을 표현하면서도 논리적 종속성과 일관성을 유지할 수 있음을 보여주기 위해.

제안 방법

• 지배적인 조건문을 $P(B|A)$로 해석하기 위해 de Finetti의 조건부 이벤트 $B|A$를 기초로 사용한다.
• 합동 분포의 평가를 위해 확률 일관성 원칙을 적용하여 복합 및 반복 조건문의 분포를 분석한다.
• 논리적 종속성이 있을 경우 복합 및 반복 구조를 조건부 랜덤 양으로 모델링하여 조건부 이벤트로 축소한다.
• 일관성 기반 확률 전파를 활용하여 중심화 추론에서 결론에 대한 하한 및 상한 경계를 유도한다.
• 조건부 이벤트 $B|A$를 $A$와 $B$로부터 유도하는 중심화 추론을 이중 조건문 및 반복 조건문의 구조로 확장한다.
• 역사적 조건문을 일관성 제약 하에 조건부 이벤트로 모델링하여 이 프레임워크를 적용한다.

실험 결과

연구 질문

• RQ1 일관성 기반 접근법을 사용하여 복합 및 반복 조건문을 확률적 프레임워크 내에서 일관되게 표현할 수 있는 방법은 무엇인가?
• RQ2 복합 조건문이 단일 조건부 이벤트로 축소되는 논리적 및 확률적 조건은 무엇인가?
• RQ3 조건부 이브넷 $B|A$를 $A$와 $B$로부터 유도하는 중심화 추론은 어떻게 연결 및 반복 조건문으로 확장될 수 있는가?
• RQ4 일관성 기반 접근에서 고전적 및 확장된 중심화에서 결론에 대한 가장 날카운 하한 및 상한 경계는 무엇인가?
• RQ5 이 프레임워크는 어떻게 역사적 조건문의 의미론을 모델링하는 데 적용될 수 있는가?

주요 결과

• 논문은 일관성 기반 접근에서 복합 및 반복 조건부 이벤트가 조건부 랜덤 양으로 일관되게 모델링될 수 있음을 입증하여 이전의 모호성 문제를 해결한다.
• 논리적 종속성이 있을 경우 복잡한 조건문이 표준 조건부 이벤트로 축소됨을 보여주며, 확률적 일관성을 유지한다.
• 고전적 및 확장된 중심화에서 결론에 대한 날카운 하한 및 상한 경계가 도출되어 정확한 확률적 제약 조건을 제공한다.
• 이 프레임워크는 중심화 추론을 이중 조건문 및 반복 조건문으로 확장하여 자연어 추론에 대한 적용 가능성을 높인다.
• 역사적 조건문을 조건부 이벤트 프레임워크에 통합함으로써 일관된 확률적 의미론을 제공한다.
• 결과적으로, $P(\text{if } A \text{ then } B) = P(B|A)$가 일관성 기반 접근에서 복합 및 반복적 구조 전반에 걸쳐 일관되게 성립함을 확인한다.