DAG와 CPT 결합을 통한 불확실성 기반 확률적 추론 시스템 구축

Context

단순한 변수 간 관계 정의만으로는 실제 시스템의 불확실성을 정량적으로 처리하는 데 한계 존재. 구조적 관계와 확률적 수치를 개별적으로 다루던 기존 방식에서 벗어나 통합된 확률 모델의 필요성 증대.

Technical Solution

• Directed Acyclic Graph(DAG)를 통한 변수 간 의존성 방향 정의 및 순환 참조 제거
• Conditional Probability Table(CPT)을 각 노드에 매핑하여 의존 관계의 정량적 수치 확보
• P(A | B) 형태의 Conditional Probability를 기반으로 한 데이터 간 인과관계 수식화
• Bayes' Theorem을 적용하여 새로운 Evidence 유입 시 기존 Prior Belief를 업데이트하는 추론 메커니즘 구현
• DAG의 구조적 효율성과 CPT의 계산 가능성을 결합하여 불확실성 하에서의 Reasoning 프로세스 최적화