[科普中国]-定性概率网络

定性概率网络是人工智能研究中一种重要的定性知识表示方法，它为贝叶斯网( Bayesian Network，BN) 提供了一种潜在的定性分析工具，越来越受到研究者们的关注。

简介定性概率网络( Qualitative Probabilistic Network，QPN) 是人工智能研究中一种重要的定性知识表示方法，它为贝叶斯网( Bayesian Network，BN) 提供了一种潜在的定性分析工具，越来越受到研究者们的关注。然而，在整个知识领域，有时每个专家只可能提供一些子领域的QPN 知识，因此，面对构建一个较大的QPN，将这些子领域专家提供的各子QPN 整合起来显得十分必要。其主要思想是以最后一个时间片的QPN 为主，在不形成环路的前提下合并各个QPN。相对时序环境的普通静态环境。1

相关研究基于粗糙集理论提出了具有相同节点的多个QPN 整合，首先定义了整体影响强度的概念，然后据此概念分情况讨论结构整合时引起的环路消除问题。但对于不同节点的多个QPN 的整合研究还有待进行。应着重研究普通静态环境下，具有不同节点的多个QPN 整合方法。

粗糙集理论是一种采用精确的数学方法分析不精确系统的数学分析理论。最突出的优点: “让数据自己说话”。根据所提供的数据，该理论不仅可以求解属性间相互依赖程度，很好地分析属性之间的依赖性，而且可以求解属性间的相对必要性，进行属性的相对约简。在QPN 中，将单个变量或多个节点变量的组合看做粗糙集中的一个属性。当多个QPN 整合时，根据属性间的依赖程度来判断QPN 中无边相连的两变量间是否应该添加有向边，再根据属性间的相对必要性进一步判断QPN 中的冗余边，以此删除这些不必要的边，从而得到整合后的较大QPN。据此，针对普通环境下，本文提出一种基于粗糙集的具有不同节点的多个QPN 整合方法。

定性概率网络的整合方法具体整合方法分以下三步来完成：

1) 合并。将多个子QPN 合并作为一个初始整合后的QPN，( 简记为Union QPN，UQPN) ，即将QPN 中的所有节点合并为整合后的节点集合，将所有边合并为整合后的边集合，定性符号合并为整合后的符号集合。

2) 添边。在UQPN 中添加有向边，即根据定义3 和定义4 求解UQPN 中无边相连的两个变量的依赖度。在保证UQPN 中不出现环路的前提下，添加依赖度大于零的有向边及其定性符号δ，优先选择依赖度较大的那条边添加。若已知数据中，两对应属性取值相同的个数大于取值不同的个数，则相应边上添加正影响( “+”) ，小于添加负影响( “－”) ，等于则添加歧义影响( “?”) 。

3) 删边。删除第二步后UQPN 中的多余边，即对于当前网络中的每一对有边相连的两个变量，且该组变量中的子节点还有其他的父节点。2

本词条内容贡献者为:

李斌 - 副教授 - 西南大学