似然性测度与缺省推理

我们引入了一种基于似然性测度对不确定性进行建模的新方法。很容易看出，这种方法推广了其他对不确定性进行建模的方法，例如概率测度、信念函数和可能性测度。本文重点关注似然性测度的一个应用：缺省推理。近年来，人们提出了多种不同的缺省语义，如偏好结构、$\epsilon$-语义、可能性结构和 $\kappa$-排序，它们已被证明可由同一组公理刻画，这组公理被称为 KLM 性质。虽然这曾被视为令人惊讶之事，但我们在此表明这几乎是不可避免的。在似然性测度的框架下，我们可以给出 KLM 公理可靠性的必要条件，以及确保 KLM 公理完备性的充分必要附加条件。该附加条件非常弱，以至于只要公理可靠它几乎总是满足。特别地，很容易看出文献中提出的所有方法均满足该条件。