承繼網路上以機率邏輯為基礎之證據推理

Abstract

分類架構(taxonomic hierarchy) 有利於不完整知識之表達，其本質乃建立在繼承鏈 結(inheritance links) 上。當某個節點有不同於其父節點之特性時，透過繼承鏈結 該節點便無需獨自保存此特性。於是，各個節點無能藉著類似搜尋行為找到屬於自己 的特性。然而，當一個個體同時屬於兩種以上的類別且這些類別有不同特性時，將造 成多重繼承(multiple inheritance)的問題。 針對多重繼承問題，證據推理提供了較佳的解決途徑，因為它允許不確定(uncertai- n)之特性描述。藉由不確定的程序予以判斷出可能性最大之所屬特性，並進而繼承之 。本篇論文將依據機率邏輯(probabilistic logic) 的觀念提出一個新的處理方法， 允許所有相關敘述皆屬不確定性包括節點之間的關係甚至特性之繼承。對於有關繼承 方面的問題則做一正規性的探討。