[论文解读] Possible World Partition Sequences: A Unifying Framework for Uncertain Reasoning

Choh Man Teng|arXiv (Cornell University)|Feb 13, 2013

Logic, Reasoning, and Knowledge参考文献 15被引用 5

一句话总结

本文提出了可能世界划分序列（PWPS），这是一种通过可能世界的有序划分来建模不确定推理的统一框架，反映了在不确定性下对某些情景的偏好。它展示了默认逻辑、自认知逻辑、概率条件化、阈值化以及可能性理论如何被正式嵌入该框架，为整合异构的不确定性形式化提供了一个共同语义。

ABSTRACT

When we work with information from multiple sources, the formalism each employs to handle uncertainty may not be uniform. In order to be able to combine these knowledge bases of different formats, we need to first establish a common basis for characterizing and evaluating the different formalisms, and provide a semantics for the combined mechanism. A common framework can provide an infrastructure for building an integrated system, and is essential if we are to understand its behavior. We present a unifying framework based on an ordered partition of possible worlds called partition sequences, which corresponds to our intuitive notion of biasing towards certain possible scenarios when we are uncertain of the actual situation. We show that some of the existing formalisms, namely, default logic, autoepistemic logic, probabilistic conditioning and thresholding (generalized conditioning), and possibility theory can be incorporated into this general framework.

研究动机与目标

• 解决在人工智能中整合具有异构不确定性形式化的知识库的挑战。
• 为各种不确定性推理系统建立一个共同的语义基础。
• 形式化在不确定性下对偏好可能情景的直观概念。
• 实现在单一、连贯的框架内对现有形式化方法的整合与互操作性。

提出的方法

• 该框架使用可能世界的有序划分，其中每个划分代表一个可接受程度或置信度的层次。
• 序列中的每个划分对应一组被认为比后续划分中可能世界更可信的可能世界。
• 通过一系列逐渐降低可信度的划分对可能世界进行排序，从而对不确定性进行建模。
• 通过将现有形式化的语义映射到划分序列结构中，对它们进行泛化。
• 通过在划分之间进行一致性与可信度检查的层次结构支持推理。
• 通过在共同语义下对齐各自划分序列，实现不同不确定性模型的组合。

实验结果

研究问题

• RQ1 如何在单一语义框架下统一多种不确定性形式化？
• RQ2 可能世界的哪些结构性特征使得能够在不确定推理中建模偏好与可信度排序？
• RQ3 能否系统地将默认逻辑、自认知逻辑、概率条件化及可能性理论嵌入到单一形式化中？
• RQ4 有序划分在表示信念或可信度程度方面起什么作用？
• RQ5 如何在不损失语义保真度的前提下实现异构不确定性模型的整合？

主要发现

• 所提出的框架成功地将默认逻辑、自认知逻辑、概率条件化、阈值化以及可能性理论嵌入到单一统一结构中。
• 划分序列自然地表示了可信度偏倚，与不确定性下的直观推理一致。
• 该框架通过将不同不确定性形式化的知识库映射到共同的划分序列结构中，实现了其一致组合。
• 每种形式化的语义在嵌入过程中得以保留，确保了正确性与可解释性。
• 该方法为构建集成的不确定推理系统提供了系统化的基础设施。
• 该框架支持对异构不确定性模型之间行为与特性的正式分析。