[论文解读] Nonmonotonic Probabilistic Logics between Model-Theoretic Probabilistic Logic and Probabilistic Logic under Coherence

Thomas Lukasiewicz|ArXiv.org|Jul 22, 2002

Logic, Reasoning, and Knowledge参考文献 51被引用 6

一句话总结

本文提出了佩尔的系统Z和莱曼的词典序推理的概率泛化，构建了模型论概率逻辑与基于一致性的概率逻辑之间的桥梁。新形式化——z-蕴含与词典序-蕴含——恰当地推广了经典默认推理，强于基于一致性的蕴含，弱于模型论蕴含，尤其解决了对零概率事件进行条件化时产生的不一致问题。

ABSTRACT

Recently, it has been shown that probabilistic entailment under coherence is weaker than model-theoretic probabilistic entailment. Moreover, probabilistic entailment under coherence is a generalization of default entailment in System P. In this paper, we continue this line of research by presenting probabilistic generalizations of more sophisticated notions of classical default entailment that lie between model-theoretic probabilistic entailment and probabilistic entailment under coherence. That is, the new formalisms properly generalize their counterparts in classical default reasoning, they are weaker than model-theoretic probabilistic entailment, and they are stronger than probabilistic entailment under coherence. The new formalisms are useful especially for handling probabilistic inconsistencies related to conditioning on zero events. They can also be applied for probabilistic belief revision. More generally, in the same spirit as a similar previous paper, this paper sheds light on exciting new formalisms for probabilistic reasoning beyond the well-known standard ones.

研究动机与目标

• 本文旨在解决现有概率推理框架的局限性，特别是针对在对零概率事件进行条件化时产生的不一致问题。
• 旨在形式化介于模型论概率逻辑与基于一致性的概率逻辑之间的中间层次蕴含关系。
• 目标是提供更精细的形式化，以推广经典默认推理，同时保持计算与逻辑的一致性。
• 旨在支持概率信念修正，并更稳健地处理不确定性下的非单调推理。

提出的方法

• 本文引入两种新的蕴含关系：z-蕴含与词典序-蕴含，通过经典非单调逻辑的概率泛化来定义。
• 将g-一致的概率知识库定义为基石，确保符合德·菲内蒂的一致性原则。
• 形式化基于带有区间边界的条件约束，蕴含通过满足知识库和条件约束的模型来评估。
• 本文证明，对于非零条件事件，g-一致、z-和词典序-蕴含三者一致，从而提供统一框架。
• 使用算子γ将概率约束映射到经典默认，从而可与系统P、系统Z及词典序蕴含等经典系统进行比较。
• 通过模型论与基于一致性的推理推导出理论结果，形式化证明了不同蕴含类型之间的等价性与层次关系。

实验结果

研究问题

• RQ1 如何形式化概率蕴含，使其严格介于模型论概率蕴含与基于一致性的概率蕴含之间？
• RQ2 新概率蕴含形式化（z-蕴含与词典序-蕴含）与经典非单调逻辑（如系统Z与词典序蕴含）之间存在何种关系？
• RQ3 在何种条件下，g-一致、z-与词典序-蕴含会一致，又在何种条件下会分道扬镳？
• RQ4 这些新形式化如何解决对零概率事件进行条件化时产生的不一致问题？
• RQ5 这些蕴含关系能否在概率信念修正与不确定性下的非单调推理中有效应用？

主要发现

• z-蕴含与词典序-蕴含的新形式化恰当地推广了系统Z与词典序蕴含中的经典默认推理。
• 对于条件事件具有正概率的概率知识库，g-一致、z-与词典序-蕴含三者完全一致。
• 本文证明，z-蕴含与词典序-蕴含强于基于一致性的蕴含，但弱于模型论概率蕴含。
• 例4.9表明，即使在逻辑上可蕴含(fly|eagle)[1,1]，g-一致蕴含仍可能无法推导出该结论，凸显其与经典推理的关键差异。
• 这些形式化在解决对零概率事件进行条件化时产生的不一致问题方面尤为有效，同时保持了经典直觉。
• 理论结果确认，通过适当的映射，新蕴含关系可推广经典对应物，确立了概率推理系统之间的层次关系。