基于链事件图的自然语言层次因果分析
统计理论
2021-10-05 v1 统计方法学
统计理论
摘要
各种图模型广泛用于可靠性中，以定性描述领域专家关于系统如何失效的假设。此处我们认为，标准因果贝叶斯网络所发展的语义不足以充分捕捉该领域所需的干预演算，而更有必要采用一种基于树的方法。我们转而构建了一个贝叶斯层次模型，其最底层为链事件图，从而使可靠性模型中典型干预由定制因果演算所支持。随后我们演示了如何利用该框架从维护日志中自动化因果发现过程，提取描述假设失效原因的自然语言信息。通过我们定制的因果代数，我们得以对各类补救干预的效果作出预测推断。所提方法全程以真实维护日志中的实例予以说明。
引用
@article{arxiv.2110.01129,
title = {Hierarchical Causal Analysis of Natural Languages on a Chain Event Graph},
author = {Xuewen Yu and Jim Q. Smith},
journal= {arXiv preprint arXiv:2110.01129},
year = {2021}
}