博文
语义信息研究重要进展
|||
兼容Shannon和Popper理论的
语义信息公式
鲁晨光 Email:：survival99@gmail.com.com
个人主页：http://survivor99.com/lcg QQ 228550917
摘要：因为Shannon信息公式并不能度量语义信息，更不能反映Popper提出的科学进步的信息准则，为此，笔者曾提出改进的公式（语义信息公式），它继承了Shannon和Popper的思想，基于Zadeh教授的模糊集合概念和汪培庄教授的随机集落影理。Zadeh定义的模糊集合概率被解释为Popper想要的逻辑概率，并且隶属度被解释为条件逻辑概率，用两者取代经典信息公式I=log(p2/p1)中的概率和条件概率，所得公式就能反映语义信息，其几何性质明了，正好反映Popper希望的信息准则，可用于科学命题的检验。该信息测度和Shannon互信息测度一样反映节省的编码长度。文中介绍了如何利用集合Bayes公式建立统计概率和逻辑概率之间的联系，讨论了语义信息公式在语义信息度量、数值预测或估计、语言预测、全球定位、翻译、模糊推理等领域的应用，并通过这些例子说明公式的有效性和合理性。特别是通过一个模糊推理例子，说明可以改进语义信道——隶属度矩阵，使之匹配Shannon信道，传递的信息量达到最大值——Shannon互信息。
关键词: Shannon，Popper, 语义信息，逻辑概率，模糊推理，检验，语义信道
全文见附件：Semantic中文.pdf
寻求合作信：
致气象预报检验研究者：
我是语义信息研究者， 我最近找到了从联合概率转换成语义信道的方法——参看附件， 觉得检验和评价天气预报很合适。
我只要预报和降水量联合概率矩阵—— 预报集合比如{无雨， 小雨， 中雨， 小到中雨， 大雨， 大到暴雨，可能有大暴雨。。。}
降水量集合比如{0， 0.1-1， 1-2, 2-3，。。。。}——或者预报和实际降水量 两列数据清单， 就可以求出“小雨”， “中雨”。。。
。。的真值函数（在0和1之间变化）。算出每种预报在无偏差和有偏差时的语义信息量， 以及平均信息量。
目的：
1）用信息准则评价预报；信息准则相对误差准则， 更加重视偶然和特殊事件（比如今天大晴天， 你报明天有“大暴雨”）。 用信息准则也就是用Popper评价科学命题的准则，逻辑概率越小，潜在信息就越大。 总是选择模糊预报， 比如“可能有雨”，信息量就少。
2）画出语义曲线，算出逻辑概率，便于听众接收信息； （虽然气象台预报有定义， 但是实际降水量是曲线分布，可能超出定义之外。）
3）比较日常语义， 看要不要改进预报规则，纠正系统偏差（比如总是夸大了降水量）， 或改进模糊性（比如误差较大就应更多使用模糊语言）。
如果预报使用规则即条件概率和听众日常语言使用习惯一致， 听众就能获得更多信息——接近Shannon信息。
如果合作，步骤如下：
1）你们提供数据（联合概率矩阵， 或者两列数据清单）；
2）我用语义信息方法做计算和分析， 画出语义曲线图和逻辑概率（水平线），提供信息评价方法。
3）你们把我的方法和流行方法做对比， 看看各自优劣。（我相信我的方法更简单， 更直观）。
4）一起写文章投稿。
这在学术上一定意义重大。不要错过啊！
如果不放心，可以啥也不做， 只给我数据， 看我分析结果， 你们再决定下一步合作。
如能一复， 不胜荣幸！
祝
好运！
鲁晨光
https://blog.sciencenet.cn/blog-2056-941004.html
上一篇：融资最优杠杆比例的数学分析——独门技术
下一篇：欢迎搞气象预报检验的研究者合作
