3、利用概率本体和知识融合检测巴西采购欺诈

利用概率本体和知识融合检测巴西采购欺诈

1. 引言

巴西主计长办公室（CGU）的主要职责之一是预防和检测政府腐败。为履行这一使命，CGU需要从各种来源收集信息并进行整合，以评估是否需要采取进一步行动，如开展调查。然而，信息爆炸给审计人员带来了巨大挑战，他们需要以突出信息与决策者相关性的方式融合大量信息，聚焦关键案例。

语义网（SW）基于激进的信息共享理念，包括“任何人可以就任何主题说任何话”（AAA）口号、开放世界假设和非唯一命名。这种信息收集方式虽然强大，但可能导致混乱和冲突。我们将这种环境称为激进信息共享（RIS）环境，而SW架构师的挑战是避免其混乱，实现信息共享、合作与协作。本体语言如Web本体语言（OWL）可以帮助解决这一挑战。

在采购欺诈检测等应用中，处理不确定性尤为重要，因为欺诈者会试图隐藏非法意图和活动。贝叶斯网络（BNs）在处理不确定性方面得到广泛应用，但对于许多复杂应用来说表达能力不足。为解决这一问题，研究人员将一阶逻辑（FOL）与BNs相结合，多实体贝叶斯网络（MEBN）就是这种语言的一个例子。概率OWL（PR - OWL）是一种用于表达概率本体（PO）的OWL上层本体。PR - OWL 2.0通过形式化概率本体的概率和确定性部分之间的关系，改进了与OWL的兼容性。

本文的主要贡献是阐明如何将确定性本体的实体属性映射到概率本体的随机变量，以及如何使用PR - OWL 2.0进行混合本体和概率推理。

2. MEBN和PR - OWL

2.1 MEBN

多实体贝叶斯网络（MEBN）扩展了BNs以实现一阶表达能力。MEBN将知识表示为一组MEBN片段（MFrags），这些片段组织