不确定推理

不确定推理最早是由C.J.vanRijsbergen描述的，是一种正式定义信息检索中查询和文档关系的方法。这种形式化是一种带有不确定性测量的逻辑暗示。定义Rijsbergen提出，文档d对查询q的不确定性的测量是其逻辑暗示的概率，即。用户的查询可以被解释为一组关于所需文件的断言。系统的任务是推断，给定一个特定的文件，如果查询断言是真的。在许多情况下，文件的内容并不足以断言查询。需要一个事实和规则的知识库，但其中一些可能是不确定的，因为使用它们进行推理可能有一个概率。因此，我们也可以将其称为可信推理。一个推理的可信度{displaystyledtoq}的可信度是一个与推理的可信度有关的函数。是每个查询断言的可信度的函数。我们不应该检索与查询完全匹配的文档，而应该根据它们在该查询方面的可信度对文档进行排序。由于d和q都是由用户生成的，它们容易出错；因此是不确定的。这将影响一个给定查询的可信度。通过这样做，它完成了两件事。

将相关性的处理与请求的处理分开多媒体文档，如图像或视频，对每个数据类型有不同的推理属性。它们也与文本文档的属性不同。似是而非推理的框架允许我们测量并结合来自这些不同属性的概率。不确定推理概括了自体逻辑的概念，其中真值要么是已知的，要么是未知的，而当已知时，它们是真的或假的。

如果我们有一个形式的查询。q=A∧B∧C{displaystyleq=AwedgeBwedgeC}，其中A、B和C是查询对象。其中A、B和C是查询断言，那么对于一个文档D，我们希望有这样的概率。如果查询断言是独立的，我们可以计算出牵连的总体概率，即各个断言概率的乘积。进一步的工作是Croft和Krovetz将不确定推理应用于办公文件的信息检索系统，他们称之为OFFICER。在办公室文件中，独立假设是有效的，因为查询将集中在它们的个别属性上。

除了分析文件的内容，人们还可以查询作者、大小、主题或收藏等。他们设计了一些方法来比较文档和查询的属性，推断它们的可信度，并将其合并到每个文档的总体评级中。除此之外，文档和查询内容的不确定性也必须被解决。概率逻辑网络是一个用于执行不确定推理的系统；简单的真/假真值不仅被概率所取代，而且被表示概率的确定性的置信度所取代。马尔科夫逻辑网络允许进行不确定的推理；不确定因素是使用xxx熵原则计算的，与马尔科夫链描述有限状态机的不确定性的方式相类似。