贝叶斯模型选择在各个领域中有着重要的应用,如分析经典假设检验、生物系统发生树的构建问题等,因而受到国内外数学、统计、生物等众多领域研究学者的广泛关注。但是在某些特别的情况下,贝叶斯模型选择会出现悖论现象,导致一般的贝叶斯模型选择方法不适用于某些模型选择。目前主要有四种模型选择悖论:无自由参数模型悖论、相切型模型悖论、重叠型模型悖论、交叉型模型悖论。本文主要研究重叠型模型选择中的悖论问题,重叠型模型即备择模型Hk有重叠部分,当真实值属于重叠部分的区域时,备择模型与真实模型的K-L距离相等且等于0,即模型为相同对模型,应以均等的概率1/k选择任意一个模型。但是通过探究备择模型后验概率的渐近行为,发现随着数据量的增加备择模型的后验概率收敛到一特殊分布而非期望的退化分布1/k,从而出现了模型选择悖论问题。文章中主要利用常见的正态分布、二项分布证明了重叠型模型中悖论的存在,同时提出将先验分布中的超参数依赖于数据量的方法来解决悖论问题。发现当参数的先验分布中超参数取值大于1/2且小于1时,随着数据量的增加,备择模型的后验概率收敛到单点分布1/k,从而解决了重叠型模型选择中的悖论问题。