用于不确定性推理的定性信念增强

本文探讨用于不确定性推理以及通过语言标签融合自然语言表达信息的增强定性信念函数。在本工作中，考虑了语言标签的两种可能增强（定量和/或定性），并提出并解释了处理它们的算子（加法、乘法、除法等）。我们将它们记为 $qe$-算子，其中 $qe$ 代表“定性增强”算子。这些算子可视为最近在 Dezert-Smarandache 似然与悖论推理理论 (DSmT) 中提出的经典定性算子（$q$-算子）的直接扩展。本文还详细论证了 $q$-算子的合理性。语言标签的定量增强是 $[0,\infty)$ 区间内的数值支持度，而定性增强则取自有限的有序语言值集合。定量增强的精度低于定性增强，但预计更接近人类专家在用支持度表达语言标签时所能轻易提供的信息。文中给出了两个简单示例，以展示如何进行定性增强信念赋值的融合。