贝叶斯网模型是逻辑和概率结合的典型范例,论文以贝叶斯网模型的创始人Pearl所阐述的“贝叶斯网的一次推理过程就是对结论的一次论证过程”为论题,指出贝叶斯网模型的这种解释机制的不合理性,因为一般地,贝叶斯网的网络结构都是由领域专家根据领域知识构建起来的,但是通常由领域专家给出的都是因果关系图,需要将它转化成适合贝叶斯网推理的网络结构图。然而转化的过程必然会使得某些结点间的连接关系发生改变,或者丢失,或者失真等等,这样得到的贝叶斯网络结构通常不能完整表达相关变量间的逻辑因果关系,这就直接导致了贝叶斯网的一次推理过程无法同时表示成对结论的一次论证过程,所以论文围绕着如何找出其它有效的方法来实现贝叶斯网模型对其推理结论的解释。论文提出了一个算法将专家的因果图转化成满足贝叶斯网推理前提的网络结构图,同时引入逻辑论证作为对贝叶斯网模型的推理结论的解释手段,逻辑论证的原理是通过定义论据间的攻击关系以及语义,以既有事实做为前提条件,为需要论证的结论寻找支持的论据或者是论据链,这样一种由果索因的思维过程符合专家系统所需要的为结论寻找解释的功能,因此逻辑论证可以用来完善专家系统的解释机制。论文采用Dung提出的抽象论证框架,为其定义出相应的语义从而形成具体的论证系统,同时为了保证论据的逻辑完整性,论据的来源是专家给出的因果图而不是贝叶斯网的结构图,将图中相关变量二值化后得到最基本的规则,再由规则形成各种复杂的论据,然后根据贝叶斯网模型的推理结论和前提条件,在所获得的论据中寻找解释。论证模型属于逻辑范畴,贝叶斯网模型属于概率范畴,而将概率范畴的贝叶斯网模型和逻辑范畴的论证模型相结合,达到相互补充,优势融合的目的是本文的出发点。结合的方法就是将贝叶斯网模型用于概率推理,得到精确的概率值,为逻辑论证提供论证的前提,而逻辑论证则根据贝叶斯网推理的结论寻找支持的论据,形成解释的过程,这样就既利用了现有贝叶斯网的成熟技术得到准确的推理概率值,同时又获得了可靠的逻辑上严格的解释。