基于迭代分解的特征化概率论辩语义求解方法

抽象概率论辩是用于建模不完备、不确定信息推理的一种重要逻辑工具。关于概率论辩语义的求解,现有的基于特征化子图的方法可以在很大程度上提高算法的计算效率,但在枚举特征子图时仍存在一定的盲目性。针对该问题,本文在现有方法的基础上提出了一种基于迭代分解的改进方法,通过对概率论辩框架进行迭代分解,减小了枚举域的大小,降低了计算量。实验结果表明,改进方法在计算速度上较原算法有所提高,提升幅度约为2个数量级。

半结构化概率论辩

群组方法概率论辩是一种建模因知识不确定性而导致论证不确定性的有效方法。目前已有工作假设所有论证之间具有独立性,悬隔了论证之间的支持关系,在语义的解释上造成三个与直觉不甚相符的问题:第一,存在接受一个论证却不接受其子论证的可能性;第二,存在可能接受子论证间相互矛盾的论证;第三,论证受到其子论证的保护作用可能被削弱。针对这三个问题,在群组方法概率论辩的基础上引入直接子论证关系,建立半结构化概率论辩框架,恰当地修补原有群组方法的不足。