36、结构化概率论证中的信念修正

结构化概率论证中的信念修正

在现实世界的应用中，知识库往往包含来自不同来源的矛盾数据以及具有不同程度不确定性的数据。同时，决定哪些信息不再有用也是维护知识库的重要方面。为了解决这些问题，我们提出了一个概率结构化论证框架，它是通过将可推定可废止逻辑编程（PreDeLP）与概率模型相结合而产生的。

1. 引言与相关工作

决策支持系统需要处理几个基本问题：
1. 处理矛盾信息；
2. 回答溯因查询；
3. 管理不确定性；
4. 更新信念。

为了解决前三个问题，我们将PreDeLP扩展为概率模型，得到了概率PreDeLP（P - PreDeLP）框架。在第二部分，我们专注于研究P - PreDeLP知识库中的非优先信念修正操作，并提出了一组合理性假设，还研究了一类操作符及其与假设的理论关系。

相关工作方面，信念修正研究知识库对认知输入的响应变化。传统上，知识库可以是信念集或信念基，我们这里关注信念基。与我们的方法最相关的工作包括基于解释的操作符的开发。同时，论证系统与概率推理的研究近年来受到了很多关注，不过我们采用的是二分知识库，将非概率知识和不确定知识分开建模。

2. 预备知识

P - PreDeLP框架由两个独立的世界模型组成：
- 环境模型（EM） ：用于描述我们对领域的概率知识。
- 分析模型（AM） ：用于分析可以解释给定现象的竞争假设。

2.1 两种不确定性

EM包含证据、不确定事实等知识，而AM包含用户根据EM中的信息得出的想法。有两