Abschlussarbeit

Beschreibung:

Kausale Modelle [1,2] sind ein formaler Ansatz zur Modellierung von kausalen Zusammenhängen. Sie erlauben die Repräsentation von Ereignissen und ihren Ursachen durch strukturelle Gleichungen. Repräsentiert beispielsweise die Variable X die Aussage "das Gras ist nass", sowie Y für "es regnet" und Z für "der Rasensprenger ist an", so modelliert die strukturelle Gleichung X=(Y OR Z) den kausalen Sachverhalt, dass sowohl Regen als auch der Rasensprenger herbeiführen, dass das Gras nass ist.

Das Erstellen kausaler Modelle kann herausfordernd sein, insbesondere wenn keine Daten zur automatischen Entdeckung [3] kausaler Modelle vorhanden ist. Insbesondere können kausale Zusammenhänge fehlerhaft interpretiert und damit widersprüchliche Vorhersagen gemacht werden.

Das Gebiet der Inkonsistenzmessung [4,5] behandelt die Quantifizierung von logischen Widersprüchen in formalen Ansätzen der Wissensrepräsentation. Inkonsistenzmaße können hier genutzt werden, um die logische Qualität einer Wissensbasis zu erfassen und mögliche Ursachen für Inkonsistenzen aufzuzeigen.

Das Ziel dieser Bachelorarbeit ist die Anwendung des Gebiets der Inkonsistenzmessung auf kausale Modelle. Dazu sollen zunächst geeignete Begriffe für Inkonsistenz in kausalen Modellen definiert werden. Anschließend soll eine ausgewählte Menge von existierenden Inkonsistenzmaßen auf kausale Modelle angepasst und ihre Eigenschaften formal untersucht werden.

[1] J.Y. Halpern, J. Pearl, Causes and explanations: a structural-model approach. Part I: Causes, Br. J. Philos. Sci. 56 (4) (2005) 843–887.
[2] J.Y. Halpern, Actual Causality, MIT Press, Cambridge, MA, 2016.
[3] Nogueira, A. R., Pugnana, A., Ruggieri, S., Pedreschi, D., & Gama, J. (2022). Methods and tools for causal discovery and causal inference. Wiley interdisciplinary reviews: data mining and knowledge discovery, 12(2), e1449.
[4] Grant, J. and Martinez, M.V. (editors). Measuring inconsistency in information. College Publications, 2018.
[5] M. Thimm. Inconsistency Measurement. In Proceedings of the 13th International Conference on Scalable Uncertainty Management (SUM'19), 2019.