[发明专利]从多个结果确定充分原因的系统和方法

说明书

本发明涉及从多个结果确定充分原因的系统和方法，其用于从可观察结果和已知的Noisy‑OR因果关系推断最可能的原因。在实施例中，根据包括但不限于结果的固有频率顺序、专家标记的顺序、机器学习得到的顺序等的顺序，通过索引对结果进行排序。在实施例中，根据其指派的索引，具有较低索引的观察到的结果被指派用于精确推断，而具有较高索引的观察到的结果被指派用于变分推断。在实施例中，精确推断和变分推断的结果被组合以预测最可能的原因。根据结果索引的精确推断和变分推断的独特组合使得可能原因的推断过程更快。

技术领域

本发明一般地涉及提供用于辅助在给定多个结果的情况下确定充分原因的系统和方法。

背景技术

因果性是在原因与效果或结果之间存在关系的原理。在一部分情况下，结果可能是许多原因之一的结果。存在用于试图形式化因果关系的各种模型和理论。一个这样的模型的集合被称为因果影响(ICI)的独立性，其通过假设因果影响(ICI)的独立性来解决在处理条件概率时的参数的指数增长的问题。接受该假设允许仅使用在多个原因中是线性的多个参数来定义条件概率分布的参数模型。

诸如Noisy-OR和Noisy-AND门的ICI模型已经被广泛使用。Noisy-OR模型是因果独立形式体系，对在多个原因和结果之间的关系进行建模。“noisy”修饰语强调任何因果关系首先是概率性的。Noisy-AND模型是对在多个原因与结果之间的关系进行建模的因果独立形式系统，其中每个原因都是产生结果所必需的。

可以使用等式Pr(o)＝1–[(1–泄漏)Π(1–p_i)]来示出噪声Noisy-OR，其中p_i是导致结果o的原因i的概率；并且泄漏是观察没有产生它的任何原因的结果o的概率。可以使用等式Pr(o)＝(1–抑制)Π(1–p_i)来示出Noisy-AND，其中p_i是导致结果o的原因i的概率；并且抑制是没有观察到具有全部所需原因的结果o的概率。

在现实生活中，许多Noisy-OR事件可能重叠。用于结果A的充分原因可能与用于结果B的那些重叠。例如，在作为基于综合快速医学参考(QMR)知识库的医疗决策支持系统的快速医疗参考-决策理论(QMR-DT)中，肺炎和流感都是可观察到的结果发热的充分原因。如果患者描述发烧症状，那么问题就变成：“医生如何确定患者患有肺炎还是流感还是其他情况？”或者在不同的情况下，使用报警系统作为示例，流浪的流浪猫和实际的入侵抢劫都是触发报警的充分条件；因此，可能会问一个问题：“如何确定这是否是一个假警报？

因此，需要用于从一个或多个观察结果和因果关系推断最可能原因的系统和方法。

发明内容

本发明在第一方面提供一种用于从结果确定一个或多个潜在原因的计算机实现的方法，所述方法包括：获得观察结果的集合；

根据所指派的索引对观察结果中的至少一部分进行排序；基于所述排序将所排序的结果分成第一结果集合和第二结果集合；使用变分推断过程中的第一结果集合和精确推断过程中的第二结果集合来确定原因集合中每个原因的推断的概率；以及基于具有高于阈值概率值的概率的原因输出可能原因的集合作为可能原因。

本发明在第二方面提供一种用于从多个充分结果确定潜在原因的方法，所述方法包括：获得包括正观察量和负观察量的观察量集合，所述负观察量是未观察的确认，所述观察集合与可能原因集合相关；确定每个负观察量的单个负观察量概率；应用每个单个负观察量概率确定所述负观察量的联合概率；针对所述正观察量中的每一个，根据为正观察量中的每一个指派的当前索引来选择精确推断或变分推断；使用变分变换确定被选择用于变分推断的每个正观察量的概率；确定被选择用于变分推断的全部正观察量的联合概率；使用确定出的全部正观察量的联合概率和确定出的全部负观察量的联合概率来确定所述观察量集合的联合概率；以及使用确定出的所述观察量集合的联合概率来确定原因集合的每个原因的推断概率。