基于迭代分解的特征化概率论辩语义求解方法  

Computing Semantics of Probabilistic Argumentation Based on Iterative Decomposition

作　　者：陈东恒 廖备水[1] Dongheng Chen;Beishui Liao(Institute of Logic and Cognition, Zhejiang University)

机构地区：[1]浙江大学逻辑与认知研究所

出　　处：《逻辑学研究》2022年第1期1-13,共13页Studies in Logic

基　　金：浙江省自然科学基金项目“可用且高效的概率论辩理论及算法研究”(LY20F030014);国家社会科学基金重大项目“新一代人工智能驱动的逻辑学研究”(20&ZD047,18ZDA290)。

摘　　要：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。probabilistic argumentation is an important method to modeling uncertain and incomplete information.Although the method basing on characterized subgraphs dramatically decreases the time for computing the probability of the extension under a certain semantic,lots of subgraphs are blindly constructed.In this article,we propose an improved method basing on iterative decomposition.The results show that the new method is faster than the old method by 100 times.

关 键 词：抽象论辩 概率论辩 特征子图 语义计算 

分 类 号：B81[哲学宗教—逻辑学]