[论文解读] Probabilistic Interpretations for MYCIN's Certainty Factors

David Heckerman|arXiv (Cornell University)|Mar 27, 2013

Bayesian Modeling and Causal Inference被引用 70

一句话总结

本文通過將MYCIN的可信度係數與機率原則對齊，重新定義了其概念，顯示其對應於似然比 p(E|H)/p(E|¬H) 的單調變換。重新定義的框架支援多種機率解釋，並揭示有效的不確定性傳播需滿足給定假設下證據的條件獨立性與樹狀結構網路，並提出方法以放寬這些假設。

ABSTRACT

This paper examines the quantities used by MYCIN to reason with uncertainty, called certainty factors. It is shown that the original definition of certainty factors is inconsistent with the functions used in MYCIN to combine the quantities. This inconsistency is used to argue for a redefinition of certainty factors in terms of the intuitively appealing desiderata associated with the combining functions. It is shown that this redefinition accommodates an unlimited number of probabilistic interpretations. These interpretations are shown to be monotonic transformations of the likelihood ratio p(EIH)/p(El H). The construction of these interpretations provides insight into the assumptions implicit in the certainty factor model. In particular, it is shown that if uncertainty is to be propagated through an inference network in accordance with the desiderata, evidence must be conditionally independent given the hypothesis and its negation and the inference network must have a tree structure. It is emphasized that assumptions implicit in the model are rarely true in practical applications. Methods for relaxing the assumptions are suggested.

研究动机与目标

• 解決MYCIN原始可信度係數定義與其結合函數之間的不一致。
• 建立與直覺上不確定性結合需求相符的可信度係數機率基礎。
• 識別出可信度係數傳播有效的隱含假設——特別是條件獨立性與樹狀結構網路。
• 提出實務應用中放寬這些假設的方法，因在現實世界中這些假設很少成立。

提出的方法

• 將可信度係數重新定義為似然比 p(E|H)/p(E|¬H) 的單調變換，以確保與結合函數的一致性。
• 以不確定性結合的期望原則作為指導原則，重新定義可信度係數模型。
• 分析有效推論所需的結構約束，顯示僅在具備條件獨立證據的樹狀結構網路中，才能維持一致性。
• 展示在重新定義的模型下，存在多種機率解釋，且所有解釋在單調變換下均等價。
• 提出在實際情境中放寬嚴格條件獨立性與樹狀結構假設的技術。
• 透過推導約束條件下推論網路的正式分析，驗證該框架。

实验结果

研究问题

• RQ1 如何重新詮釋MYCIN的可信度係數，使其與其結合函數一致？
• RQ2 從似然比的觀點看，可信度係數模型背後的機率解釋為何？
• RQ3 在何種結構與機率條件下，可信度係數網路中的不確定性傳播是有效的？
• RQ4 為何原始可信度係數定義與其結合機制不一致？
• RQ5 可信度係數模型在機率上成立所隱含的必要假設為何？又如何放寬這些假設？

主要发现

• 原始可信度係數定義與其結合函數不一致，因此必須重新定義。
• 可信度係數可詮釋為似然比 p(E|H)/p(E|¬H) 的單調變換，從而建立穩固的機率基礎。
• 有效的不確定性傳播要求證據在給定假設及其否定下具備條件獨立性。
• 推論網路必須具有樹狀結構，才能在重新定義的模型下維持一致性。
• 在重新定義的框架下，存在多種機率解釋，且所有解釋在單調變換下均等價。
• 嚴格的條件獨立性與樹狀結構假設在實際應用中很少成立，但已提出放寬方法以擴展其適用性。