类别归纳推理中的非对称性:模型与挑战

Asymmetries of Category-Based Induction: Models and Challenges

非对称性是类别归纳推理中一种重要的心理现象,即某些情况下交换前提类别与结论类别会导致显著不同的归纳力度。关于类别归纳推理非对称性的理论模型可分为两大类:基于相似性的模型和基于知识的模型。其中,基于相似性的模型包括相似覆盖模型、基于特征的模型和特征迁移模型;基于知识的模型包括假设评价模型、关联理论和贝叶斯模型。本文对这些模型进行了综述,并分别分析了其优缺点,进而对类别归纳推理非对称性的未来研究进行了展望。