一种基于过滤的认知图理性约束学习通用方法
人工智能
2023-06-08 v2 机器学习
摘要
认知图是概率论证认知方法的一种推广。Hunter 提出了一种双向推广框架以从众包数据中学习认知约束。然而，所学得的认知约束仅反映数据中用户的信念，未考虑认知图中编码的理性。同时，当前框架只能生成反映智能体是否相信某一论证的认知约束，而不能反映其相信的程度。实现该效果的主要挑战在于，当扩展约束种类时计算复杂度急剧上升，可能导致不可接受的时间性能。为解决这些问题，我们提出一种基于过滤的方法，采用多向推广步骤从数据集中生成与其认知图一致的一组理性规则。该方法能够学习反映领域模型与用户模型中信息的更广泛种类的理性规则。此外，为提高计算效率，我们引入一个新函数以排除无意义规则。实证结果表明，在扩展规则种类时我们的方法显著优于现有框架。
引用
@article{arxiv.2211.02918,
title = {A Filtering-based General Approach to Learning Rational Constraints of Epistemic Graphs},
author = {Xiao Chi},
journal= {arXiv preprint arXiv:2211.02918},
year = {2023}
}
备注
18 pages, 6 figures, submitted to CLAR 2023