加权归纳中假设的逻辑形式化：通向用户反馈对话
摘要
加权归纳计算解释输入观察的假设。加权归纳的推理器首先生成可能的假设，然后选择最合乎 plausibility 的假设。由于推理器使用称为权重的参数来控制其可信度评估函数，因此可以根据特定应用使用的特定权重输出最合乎 plausibility 的假设。这使得其从植物运行到网络安全或话语分析等方面都有所适用。然而，预先确定的特定于应用的权重并不适用于该应用的所有情况。因此，推理器所选定的假设并不一定对用户而言最合乎 plausibility。在本文中，我们提出了两种用户反馈对话协议，其中用户以正面、负面或中性方式指出推理器呈现的假设的属性，推理器则根据用户的反馈重新生成满足用户要求的假设。对于用户反馈对话协议，本文证明：(i) 在某些合理条件下，我们的协议必然终止；(ii) 如果用户根据目标假设是否具有该属性来确定所指出属性的正性、负性或中性，那么它们实现的假设在共同属性上具有与固定目标假设相同的属性。
引用
@article{arxiv.2502.09989,
title = {A Logical Formalisation of a Hypothesis in Weighted Abduction: towards User-Feedback Dialogues},
author = {Shota Motoura and Ayako Hoshino and Itaru Hosomi and Kunihiko Sadamasa},
journal= {arXiv preprint arXiv:2502.09989},
year = {2025}
}
备注
Accepted for the Special Issue "Extended papers from the 17th European Conference on Symbolic and Quantitative Approaches to Reasoning with Uncertainty (ECSQARU 2023)'' in International Journal of Approximate Reasoning. This is a preprint version and has not yet undergone peer review. The final version is available at https://doi.org/10.1016/j.ijar.2025.109382