[论文解读] Merging Uncertain Knowledge Bases in a Possibilistic Logic Framework

Salem Benferhat, Claudio Sossai|arXiv (Cornell University)|Jan 30, 2013

Logic, Reasoning, and Knowledge参考文献 12被引用 6

一句话总结

本文提出了一种基于可能性逻辑的句法框架，用于合并不确定的知识库，引入了外部和内嵌于逻辑中的组合规则。它提出了一套基于序列演算的可靠且完备的证明系统，能够在保持优先级确定性水平的同时，一致地整合来自多个来源的不确定信息。

ABSTRACT

This paper addresses the problem of merging uncertain information in the framework of possibilistic logic. It presents several syntactic combination rules to merge possibilistic knowledge bases, provided by different sources, into a new possibilistic knowledge base. These combination rules are first described at the meta-level outside the language of possibilistic logic. Next, an extension of possibilistic logic, where the combination rules are inside the language, is proposed. A proof system in a sequent form, which is sound and complete with respect to the possibilistic logic semantics, is given.

研究动机与目标

• 以系统化的方式解决从多个潜在冲突来源整合不确定知识的挑战。
• 开发句法组合规则，以在合并过程中保留逻辑语句的相对确定性水平（可能性度）。
• 扩展可能性逻辑，使其能够将合并规则内化于逻辑语言本身，从而支持对合并后知识的正式推理。
• 确保合并过程在可能性逻辑语义下既逻辑可靠又完备。
• 提供一种形式化证明系统，采用序列演算风格，以支持对合并后不确定知识库的自动化推理。

提出的方法

• 基于可能性度定义元级别的知识库合并组合规则，用于合并可能性知识库。
• 引入一种扩展的可能性逻辑，使合并算子能够在语言内部被表达。
• 设计一种基于序列的证明系统，该系统相对于可能性逻辑语义而言既可靠又完备。
• 使用 [0,1] 范围内的可能性度表示不确定性水平，数值越低表示确定性越高。
• 应用尊重语句基于其可能性水平的优先级的逻辑推理规则。
• 确保证明系统支持能够反映不确定信息合并语义的推导，同时保持一致性。

实验结果

研究问题

• RQ1 如何在保留其相对确定性水平的前提下，合并来自多个来源的不确定知识库？
• RQ2 可以定义哪些形式化规则，以实现可能性知识库的逻辑一致且直观的组合？
• RQ3 能否将合并过程内化于逻辑语言之中，从而实现对合并后知识的推理？
• RQ4 可以构建何种证明系统，以确保对合并后不确定知识的推理具有可靠性和完备性？
• RQ5 所提出的组合规则在不同不确定性传播场景下表现如何？

主要发现

• 所提出的组合规则成功保留了合并语句的相对确定性水平，确保更确定的信息得到优先处理。
• 扩展的可能性逻辑框架允许在逻辑语言内部直接表达和推理合并算子。
• 基于序列的证明系统被证明在可能性逻辑语义下既可靠又完备。
• 该框架支持来自多个来源的不确定知识的一致且无矛盾的整合。
• 该方法通过形式化的句法推理机制，支持对合并知识库的自动化推理。
• 该方法为知识融合任务中的可扩展且可靠的不确定性管理提供了基础。