论文部分内容阅读
贝叶斯模型为解释类别归纳推理的实验现象提供了一个统一的可计算框架。在该框架下,用不同的类别结构和随机过程表示不同的先验知识,并基于贝叶斯公式预测不同场景下的归纳力度。与其它模型相比,贝叶斯模型有较强的预测力度和更广的应用范围。文章总结了该模型的发展历史及现状,并首次系统阐述了其建模过程。未来研究可结合功能磁共振实验和计算语言学等方法,进一步拓展该模型的推理能力,提高其实际可用性。