不确定性知识的定性表示、推理及其应用——定性概率网研究综述.pdfVIP

云南大学 学报 (自然 科学版 )，2009，31 (6J：560—570 CN53—1045／N ISSN0258—7971 JournalofYunnanUniversity · 特别约稿 · 不确定性知识的定性表示、推理及其应用 — — 定性概率网研究综述 岳 昆，刘惟一 (云南大学 信息学院 计算机科学与工程系，云南 昆明 650091) 摘要：贝叶斯网是不确定性知识表示和推理的有效框架，定性概率网是贝叶斯网的抽象表示 ，它简化了不 确定性知识的表示，加速了不确定性知识的推理．近年来 ，定性概率网成为了不确定人工智能和知识发现领域 的一个重要研究方向．分析总结了目前定性概率网的挑战和研究成果，主要包括定性概率网的知识表示、推理 及应用 3个方面．表示方面，概括了定性影响、定性加协作、定性乘协作和原因问影响，并探讨了定性概率网表 示机制存在的问题及主要解决方法；推理方面，描述了推理算法 ，探讨了定性概率网推理冲突问题，分析比较了 解决推理冲突的主要方法；应用方面，概括了基于定性概率网的知识发现和决策支持的主要方法．此外 ，基于对 现有研究成果的分析总结，也指出了定性概率网相关方面进一步研究的问题及重点． 关键词：不确定性知识 ；贝叶斯网；定性概率网表示；定性概率网推理；定性概率网应用 中图分类号：TP311 文献标识码：A 文章编号：0258—7971(2009)06—0560—11 面临知识爆炸，人们越来越迫切地需要以有效 其精确的表示及推理机制，使其不能较好地满足这 的手段得到有用的信息，获取所需的知识，并对知 些应用的需求．实际上，许多应用中，用户往往并不 识进行推理．以概率因果关系表达的不确定性知识 关心过于精确的量化的知识，而仅仅需要知识的定 可 以描述各属性变量间的相互依赖、以及依赖关系 性描述 ；同时，过于精确的量化的知识可能使得知 的不确定性．面对复杂的社会及经济现象，决策科 识的适用范围受到限制 。． 学化越来越受到政府和管理者的重视，概率因果关 1990年密歇根大学人工智能实验室著名教授 系反映了特定领域的知识 ，对决策者和管理者有一 Wellman提 出了定性概率网(QPN)的基本概念 ， 定的指导作用．近年来，不确定性知识的表示、推理 被认为是定性推理研究中里程碑式 的标志．QPN 及应用越来越多地受到学术界研究者的广泛关注， 是一般 BN的抽象表示，与BN类似 ，它包括一个有 成为了不确定人工智能、知识发现和智能数据分析 向无环图结构和一个变量间定性影响 (描述变量 等领域中的重要研究方向 ． 间值增减的影响趋势)的集合．它用有向无环图 自1988年美国加州大学著名教授、世界知名 (DAG，Directedacyclicgraph)来描述变量间的依赖 人工智能专家 Pearl首次完整地提出贝叶斯网 关系，通过定性影响来概括变量间蕴含的概率因果 (BN) 以来，BN已被广泛用于知识发现、决策支 关系 。J．QPN通过定性的方式以变量值的增减趋 持和预测分析等领域中．然而，以金融趋势分析、医 势替代一般 BN中精确的条件概率参数，当应用具 疗诊断预测及实时交通控制等为代表的实际应用， 有较高的时效性要求、需要从较少的数据中学习概 对高效性或实时性有较高的要求，传统的BN由于 率网络、或者精确概率参数未知的情形下，QPN可 收稿 日期：2009—06—21 基金项 目：国家 自然科学基金资助项 目；云南省应用基础研究资助项 目(2007F009M，2008CD0803)；云南省教育厅科研基 金资助项 目(08Y0023)；云南大学中青年骨干教师培养计划．