[论文解读] Default Reasoning and the Transferable Belief Model

Philippe Smets, Yen‐Teh Hsia|arXiv (Cornell University)|Mar 27, 2013

Logic, Reasoning, and Knowledge参考文献 3被引用 14

一句话总结

本文通过在转移信任模型（TBM）框架下重新诠释Dempster-Shafer理论，解决了默认推理中的经典Tweety企鹅悖论，表明反直觉结果的根源在于Dempster规则的不当应用，而非模型本身。研究区分了两种类型的默认，并证明：通过正确运用空泛扩展（vacuous extension）与投影（projection），TBM能够实现直观且一致的信念更新，而无需否定该框架。

ABSTRACT

Inappropriate use of Dempster's rule of combination has led some authors to reject the Dempster-Shafer model, arguing that it leads to supposedly unacceptable conclusions when defaults are involved. A most classic example is about the penguin Tweety. This paper will successively present: the origin of the miss-management of the Tweety example; two types of default; the correct solution for both types based on the transferable belief model (our interpretation of the Dempster-Shafer model (Shafer 1976, Smets 1988)); Except when explicitly stated, all belief functions used in this paper are simple support functions, i.e. belief functions for which only one proposition (the focus) of the frame of discernment receives a positive basic belief mass with the remaining mass being given to the tautology. Each belief function will be described by its focus and the weight of the focus (e.g. m(A)=.9). Computation of the basic belief masses are always performed by vacuously extending each belief function to the product space built from all variables involved, combining them on that space by Dempster's rule of combination, and projecting the result to the space corresponding to each individual variable.

研究动机与目标

• 解决Dempster-Shafer模型在默认推理中被广泛批评的问题，特别是Tweety企鹅案例中的问题。
• 澄清Tweety案例中反直觉结果的根本原因，表明其源于Dempster规则的误用，而非模型本身。
• 提出在转移信任模型（TBM）中正确处理默认推理的方法，区分两种类型的默认。
• 证明：通过空泛扩展与投影进行正确计算后，TBM能够产生直观且一致的信念组合。
• 通过证明Dempster-Shafer框架在默认推理中的问题属于方法论层面而非理论层面，捍卫该框架的有效性。

提出的方法

• 使用简单支持函数——即仅有一个命题（焦点）和重言式获得非零基本信任质量的信念函数。
• 对每个信念函数应用空泛扩展，将其扩展至所有相关变量的乘积空间。
• 在乘积空间上使用Dempster的组合规则组合信念函数。
• 将组合结果投影回各个变量空间，以获得边缘信念函数。
• 区分两种类型的默认：基于典型性的默认与基于例外情况的默认，二者需采用不同处理方式。
• 通过保持可转移信任结构并避免信念质量的过度承诺，确保一致性。

实验结果

研究问题

• RQ1 为何一些研究者因Tweety企鹅案例而拒绝Dempster-Shafer模型？
• RQ2 在默认推理场景中，正确应用Dempster规则的正确方法是什么，以避免反直觉结果？
• RQ3 转移信任模型（TBM）如何解决因Dempster规则误用在默认推理中引发的问题？
• RQ4 在信念函数理论的语境下，两种默认类型有何区别，应如何分别处理？
• RQ5 当在TBM框架内正确应用时，Dempster-Shafer框架是否仍可适用于默认推理？

主要发现

• Tweety企鹅案例中的反直觉结果并非源于Dempster-Shafer模型，而是由于Dempster规则的错误应用。
• 在乘积空间中正确运用空泛扩展与投影，可确保默认推理下信念组合的一致性与直观性。
• 转移信任模型（TBM）通过保持信念传递的完整性，成功处理了基于典型性的默认与基于例外的默认两种类型。
• 当信念函数表示为仅包含焦点与重言式的简单支持函数时，计算过程保持可处理且可解释。
• 该方法产生的结果与直观推理一致，验证了在正确实现下Dempster-Shafer框架在默认情境中的适用性。
• 本文结论认为，Dempster-Shafer模型不应因错误应用而被否定，而应通过TBM框架的正确诠释加以完善。