[發明專利]一種上下文不確定性推理方法和裝置

有效

• 申請號: 201410667686.X
• 申請日: 2014-11-20
• 公開（公告）號: CN105677671B
• 公開（公告）日: 2019-05-28
• 發明（設計）人: 孟祥武;李珂;張玉潔;杜雨露
• 申請（專利權）人: 華為技術有限公司;北京郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

本發明實施例公開了一種上下文不確定性推理方法和裝置，該方法可包括：計算底層上下文節點彼此之間的條件相關度，所述條件相關度表示兩個底層上下文節點之間的條件依賴關系；建立N個底層上下文節點對中每個底層上下文節點對中兩個底層上下文節點之間的邊；選擇所述N個底層上下文節點對中一個的底層上下文節點作為根節點，將所述建立的所有邊的指向設置為由所述根節點指向其余節點的指向；設置高層上下文節點到各個底層上下文節點的有向邊，以構造樹擴展樸素貝葉斯模型；使用所述樹擴展樸素貝葉斯模型進行上下文不確定性推理。本發明實施例可以提高上下文不確定性推理的準確度和效率。

技術領域

本發明涉及通信領域，尤其涉及一種上下文不確定性推理方法和裝置。

背景技術

上下文推理是目前應用很廣泛信息推理方法，上下文推理中往往都會包括底層上下文和高層上下文，其中，底層上下文包括由設備直接獲取的信息，而高層上下文包括設備無法直接獲取的信息。例如：針對會議上下文推理中，高層上下文可以包括會議室狀態，底層上下文可以包括會議室計算機狀態、會議室投影儀狀態、會議室麥克風狀態、會議室噪音等級和會議室人數等。在實際推理中，上述底層上下文可能會存在不確定性，例如：傳感器失效、數據更新不及時、數據傳輸時丟失等都可能引發不確定數據的產生。這樣在推理過程中如果忽略上下文數據的不確定性，會使推理識別出的高層上下文是錯誤的或者不一致的，從而導致錯誤的系統行為。

目前貝葉斯網絡(Bayes Network，BN)模型被公認為是不確定性推理的有效工具。其中，BN模型中底層上下文節點作為高層上下文節點的父節點，且底層上下文節點之間的有向邊過多，而有向邊的增加導致該BN模型中條件概率的增加，且導致BN模型的復雜度很高，這樣當樣本數據較少時，該BN模型推理的準確不高，且推理效率也不高。

發明內容

本發明提供了一種上下文不確定性推理方法和裝置，可以提高上下文不確定性推理的準確度和效率。

第一方面，本發明提供一種上下文不確定性推理方法，包括：

計算底層上下文節點彼此之間的條件相關度，所述條件相關度表示兩個底層上下文節點之間的條件依賴關系；

建立N個底層上下文節點對中每個底層上下文節點對中兩個底層上下文節點之間的邊，所述N個底層上下文節點對的條件相關度為條件相關度按照大到小的排序中前面N個，其中，所述N為大于或者等于1的整數；

選擇所述N個底層上下文節點對中一個的底層上下文節點作為根節點，將所述建立的所有邊的指向設置為由所述根節點指向其余節點的指向；

設置高層上下文節點到各個底層上下文節點的有向邊，以構造樹擴展樸素貝葉斯模型；

使用所述樹擴展樸素貝葉斯模型進行上下文不確定性推理。

在第一方面的第一種可能的實現方式中，所述建立N個底層上下文節點對中每個底層上下文節點對中兩個底層上下文節點之間的邊，包括：

將所有底層上下文節點彼此之間建立邊，且該邊用該邊對應的兩個底層上下文節點的條件相關度標記；

按照條件相關度從大到小的順序將所述建立的邊進行排序，根據不形成回路的原則選擇所述排序中前面所述N個邊。

結合第一方面的第一種可能的實現方式中，在第一方面的第二種可能的實現方式中，所述方法還包括：

刪除所述建立的所有邊中除所述N個邊之外的所有邊。

結合第一方面的上述任一種可能的實現方式中，在第一方面的第三種可能的實現方式中，所述計算底層上下文節點彼此之間的條件相關度，包括：

通過如下公式建立底層上下文節點彼此之間的條件相關度