[논문 리뷰] Possibilistic logic bases and possibilistic graphs

Salem Benferhat, Didier Dubois외 2명|arXiv (Cornell University)|2013. 01. 23.

Bayesian Modeling and Causal Inference참고 문헌 12인용 수 38

한 줄 요약

이 논문은 가능성 논리 기반과 가능성 그래프 사이의 형식적 동치성을 수립하며, 곱 기반(수치적) 및 최소 기반(질적)이라는 두 가지 서로 다른 조건화 메커니즘을 통해 동일한 가능도 분포를 표현할 수 있음을 보여준다. 두 표현 간의 상호 번역을 제공함으로써 가능도 이론에 기반한 명확한 의미론을 가진 불확실성 하에서의 지식 표현 및 추론을 가능하게 한다.

ABSTRACT

Possibilistic logic bases and possibilistic graphs are two different frameworks of interest for representing knowledge. The former stratifies the pieces of knowledge (expressed by logical formulas) according to their level of certainty, while the latter exhibits relationships between variables. The two types of representations are semantically equivalent when they lead to the same possibility distribution (which rank-orders the possible interpretations). A possibility distribution can be decomposed using a chain rule which may be based on two different kinds of conditioning which exist in possibility theory (one based on product in a numerical setting, one based on minimum operation in a qualitative setting). These two types of conditioning induce two kinds of possibilistic graphs. In both cases, a translation of these graphs into possibilistic bases is provided. The converse translation from a possibilistic knowledge base into a min-based graph is also described.

연구 동기 및 목표

• 동일한 가능도 분포 하에서 가능성 논리 기반과 가능성 그래프 간의 의미론적 동치성을 수립하기 위해.
• 가능도 이론에서 두 가지 다른 조건화 연산인 곱 기반 및 최소 기반 조건화가 어떻게 다른 유형의 가능성 그래프를 유도하는지 조사하기 위해.
• 가능성 그래프에서 가능성 논리 기반으로의 번역 방법을 개발하기 위해.
• 주어진 가능성 논리 기반으로부터 최소 기반 가능성 그래프로의 역방향 번역을 제공하기 위해.
• 가능도 이론의 공통 이론적 기반 하에서 두 지식 표현 프레임워크를 통합하기 위해.

제안 방법

• 가능도 이론의 연쇄 법칙을 사용하여 곱과 최소 연산에 기반한 조건부 가능도 분포를 유도한다.
• 두 가지 서로 다른 유형의 가능성 그래프를 정의한다: 곱 기반 조건화(수치적) 기반과 최소 기반 조건화(질적) 기반.
• 조건부 의존성과 확실성 수준을 인코딩하여 가능성 그래프에서 가능성 논리 기반으로의 번역을 구축한다.
• 가능성 논리 기반에서 최소 기반 가능성 그래프로의 역방향 번역을 제공하며, 기저의 가능도 분포를 유지한다.
• 두 표현이 의미적으로 동치일 경우 동일한 가능도 분포를 유도함을 입증한다.
• 구조적 일致성과 확실성 수준에 따른 논리 공식의 계층화를 보장하기 위해 연쇄 법칙 분해를 적용한다.

실험 결과

연구 질문

• RQ1 가능성 논리 기반과 가능성 그래프는 동일한 가능도 분포 하에서 의미론적으로 동치가 될 수 있는가?
• RQ2 가능도 이론에서 곱 기반 및 최소 기반 조건화는 어떻게 다른 유형의 가능성 그래프를 유도하는가?
• RQ3 가능성 그래프를 해당 가능한 논리 기반으로 옮기는 올바른 방법은 무엇인가?
• RQ4 주어진 가능성 논리 기반으로부터 최소 기반 가능성 그래프를 재구성하는 것이 가능한가?
• RQ5 두 프레임워크 간의 번역이 원래의 불확실성 의미론을 유지하기 위한 조건은 무엇인가?

주요 결과

• 논문은 가능도 논리 기반과 가능성 그래프가 해석에 대해 동일한 가능도 분포를 유도할 경우 의미론적으로 동치임을 수립한다.
• 가능도 이론의 두 조건화 연산에서 유래하는 두 가지 서로 다른 유형의 가능성 그래프가 존재한다: 곱 기반 및 최소 기반.
• 확실성 수준과 구조적 의존성을 유지하면서 가능성 그래프에서 가능성 논리 기반으로의 체계적 번역이 제공된다.
• 최소 기반 가능성 그래프로의 역방향 번역이 구성되며, 의미론적 일致성을 보장한다.
• 두 조건화 유형을 사용한 연쇄 법칙 분해를 통해 지식 표현에서의 불확실성에 대한 통합적 접근이 가능하다.
• 결과적으로 두 프레임워크가 불확실성 하에서 추론 작업에서 상호 교환 가능하며, 명확한 형식적 매핑이 있음을 보여준다.