不完全决策表的标注空语义:确定性、可能性和条件性决策推理

《Algorithms》:Labeled Null Semantics for Incomplete Decision Tables: Certain, Possible, and Conditional Decision Reasoning

【字体: 大 中 小 】 时间:2026年08月28日 来源:Algorithms 2.6

编辑推荐:

   摘要

  

摘要

决策表广泛应用于业务规则系统、监管合规和自动化工作流中决策逻辑的表达与执行。然而,现实世界中的决策表往往包含不完整的条件值。现有的粗糙集方法通常统一处理缺失值,无法区分相同未知值的出现与不同未知值的出现。本文提出了带标记空值的决策表(LN-DTs)框架,该框架利用不完整数据库理论中的标记空值扩展了决策表的语义。缺失值由标记空值表示,其中相同标签表示相同的未知值,不同标签则可能表示不同的值。我们定义了可能世界语义,其中每个可能世界对应空值的一个完整赋值。基于此语义,我们定义了确定决策、可能决策和条件决策。我们开发了符号化算法,避免了显式枚举所有可能世界,分析了其计算复杂度,并建立了与粗糙集近似之间的精确关系。我们证明了LN-DT的可能决策始终被包含在粗糙上近似中,在完备性和良好定义条件下粗糙下近似对LN-DT确定决策是可靠的,并且标记空值的一致性和约束可以通过消除在任意可接受可能世界中无法匹配的可容忍规则来产生严格的精确度提升。为了提供超越小规模示例的证据,我们还包含了一个中等规模的合成基准套件,包含105个实例,最多涉及500条规则和32个标记空值。基准测试变化了规则数量、标记空值数量和约束类型,并报告了运行时间、精确度和验证指标。在所有基准实例中,符号化评估器产生已知结果且无求解器超时,LN-DT的可能决策集在100%的情况下被包含在粗糙上近似中,混合评估器与精确符号化评估的结果在100%的情况下一致。粗糙上决策集的平均大小为1.905,而LN-DT可能决策集的平均大小为1.019,对应约46.5%的平均上界缩减。这些结果提供了中等规模的证据,表明LN-DT在实际中是可行的,并且标记空值约束可以相比基于容忍度的粗糙集近似产生可测量的精确度提升。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号