[论文解读] Using the Dempster-Shafer Scheme in a Diagnostic Expert System Shell

Gautam Biswas, Teywansh S. Anand|arXiv (Cornell University)|Mar 27, 2013

AI-based Problem Solving and Planning参考文献 3被引用 4

一句话总结

本文提出了一种专家系统外壳，将基于规则的推理与Dempster-Shafer证据理论相结合，以管理诊断推理中的不确定性。它使用信任函数表示对假设的证据支持，并结合前向和后向推理，实现交互式、混合主动性诊断，显著提升了在不确定或不完整诊断场景下的鲁棒性。

ABSTRACT

This paper discusses an expert system shell that integrates rule-based reasoning and the Dempster-Shafer evidence combination scheme. Domain knowledge is stored as rules with associated belief functions. The reasoning component uses a combination of forward and backward inferencing mechanisms to allow interaction with users in a mixed-initiative format.

研究动机与目标

• 开发一种支持不确定条件下诊断推理的专家系统外壳。
• 将Dempster-Shafer理论作为形式化框架，用于表示和组合对假设的证据信任。
• 通过结合前向和后向推理机制，实现交互式、混合主动性诊断。
• 允许领域专家将诊断知识编码为带有相关信任函数的规则。
• 在证据不完整或冲突时，提升诊断系统的可靠性。

提出的方法

• 将领域知识表示为带有相关信任函数的规则，其中每条规则以信任度将证据与假设关联。
• 采用前向推理传播已知证据并生成中间信任度。
• 使用后向推理探索诊断假设并识别所需证据。
• 应用Dempster-Shafer组合规则，融合来自不同规则或来源的多个信任函数。
• 通过允许用户在推理过程中输入证据和查询假设，支持混合主动性交互。
• 维护对假设的信任结构，通过区分信任度、似然度和无知状态来表示不确定性。

实验结果

研究问题

• RQ1 如何有效将Dempster-Shafer理论集成到专家系统外壳中，以支持诊断应用？
• RQ2 结合前向和后向推理对诊断系统的可用性和准确性有何影响？
• RQ3 与传统概率或基于规则的方法相比，使用信任函数如何改善不确定性下的推理？
• RQ4 当证据不完整时，混合主动性交互是否能提升诊断性能？
• RQ5 与标准贝叶斯或基于规则的方法相比，使用信任函数在计算和表示方面有何优势？

主要发现

• Dempster-Shafer理论的集成使得不确定性表示比传统贝叶斯或基于规则的系统更加细致。
• 混合主动性交互模式使用户即使在证据不完整或模糊的情况下也能有效引导诊断过程。
• 系统成功运用Dempster的组合规则融合多个信任函数，生成一致且可解释的诊断结论。
• 信任函数的使用使系统能够区分无知（缺乏证据）与不信任，从而提升诊断的鲁棒性。
• 该方法在诊断推理任务中展现出实际可行性，尤其适用于存在不确定或冲突证据的领域。
• 系统的架构支持可扩展性，使领域专家能够逐步编码带有相关置信度的诊断知识。