[论文解读] Precise Propagation of Upper and Lower Probability Bounds in System P

Angelo Gilio|ArXiv.org|Mar 7, 2000

Logic, Reasoning, and Knowledge参考文献 29被引用 10

一句话总结

本文提出了一种在系统P中使用不精确概率对上界和下界概率进行一致且精确传播的方法，实现了对推导出的条件句的最紧致概率边界的精确计算，无需依赖无穷小概率。该方法自然地处理了零概率条件事件，并通过线性规划算法展示了在概率解释下推理规则的退化情况。

ABSTRACT

In this paper we consider the inference rules of System P in the framework of coherent imprecise probabilistic assessments. Exploiting our algorithms, we propagate the lower and upper probability bounds associated with the conditional assertions of a given knowledge base, automatically obtaining the precise probability bounds for the derived conclusions of the inference rules. This allows a more flexible and realistic use of System P in default reasoning and provides an exact illustration of the degradation of the inference rules when interpreted in probabilistic terms. We also examine the disjunctive Weak Rational Monotony of System P+ proposed by Adams in his extended probability logic.

研究动机与目标

• 开发一种精确且一致的方法，用于在系统P的非单调推理规则中传播下界和上界概率。
• 为默认推理提供一种现实且灵活的替代方案，以取代无穷小概率语义。
• 通过精确的边界传播，说明系统P推理规则在概率解释下的退化情况。
• 在一致的不精确概率框架内，自然处理零概率条件事件，利用德·芬etti的一致性原则。
• 实现算法，从知识库计算出推导出的条件句的最紧致可能的概率边界。

提出的方法

• 利用德·芬etti的一致性原则，将条件概率视为基本量，避免对P(B) > 0的依赖。
• 应用线性规划技术，计算推导出的条件句的最紧致下界和上界概率。
• 将每个条件断言建模为概率边界P(A|B) ≥ 1−ε，其中ε表示容错误差。
• 在精确ε值传播的前提下，应用标准系统P推理规则（Cut、And、S、Cautious Monotonicity、Or、Right Weakening）。
• 在一致框架中整合亚当斯的扩展概率逻辑与析取形式的弱理性单调性。
• 实现从前提到结论的边界传播算法，确保一致性和紧致性。

实验结果

研究问题

• RQ1 如何在保持一致性的前提下，通过系统P推理规则精确传播概率边界？
• RQ2 当使用有限误差边界的概率解释时，系统P推理规则的精确退化程度是什么？
• RQ3 在一致的不精确概率框架中，能否自然处理零概率条件事件？
• RQ4 在系统P+中，析取形式的弱理性单调性规则在精确边界传播下的表现如何？
• RQ5 线性规划能否有效用于计算推导出的条件句的最紧致可能的概率边界？

主要发现

• Cut规则以加法方式传播ε值：ε₁ + ε₂ = 0.2 + 0.1 = 0.3，得出Linda |~₀.₂₈ ¬noisy。
• And规则通过ε₁ + ε₂ = 0.28 + 0.05 = 0.33组合边界，得出Linda |~₀.₃₃ great ∧ ¬noisy。
• 对Linda |~₀.₃₃ great ∧ ¬noisy应用S规则，得出⊤ |~₀.₃₃ ¬Linda ∨ great ∧ ¬noisy。
• Or规则通过ε₁ + ε₂ − ε₁ε₂组合ε值，从个体边界得出Linda ∨ Steve |~₀.₃₅₈ ¬noisy。
• Cautious Monotonicity规则从Linda |~₀.₀₅ great和Linda |~₀.₂ Steve得出Linda ∧ Steve |~₀.₀₆₂₅ great。
• 最终边界⊤ |~₀.₅₃ ¬Linda ∧ (noisy ∨ ¬great)是通过And规则组合两个S规则结果推导得出。