內容來自兩篇論文:
Minimization of Boolean complexity in human concept learning
The Simplicity Principle in Human Concept Learning
藉助一篇博士論文《基於認知的文本語境生成和度量研究》內容,大致看懂了核心思想,下面摘抄一部分中文出來
這篇2000年Nature雜誌上發表的一篇認知科學方面的論文,題爲“人類概念學習的布爾表達式複雜度的最小化”。
它首次通過化簡布爾表達式來度量人類概念學習的複雜度。根據認知科學中對人類概念學習的研究,有一個簡單而符合經驗的規律:一個概念的主觀難度正比於它的布爾表達式的複雜度。
一個布爾概念(boolean concept )的對象是由一些二元的特徵組成,例如物體概念可以由兩個布爾特徵構成:體積(大、小)和形狀(圓、方)。
一個概念的布爾表達式的複雜度就是與這個概念等價的最短布爾表達式的長度,通常長度就是變量的總個數(包含正反變量)。
爲了方便書寫我們用ab代替a∧b,a+b 代替a∨b,a’代替~a。例如,概念ab+ab’等於a(b+b’),這樣就等於a,所以有概念複雜度1;由於ab+a’b’沒有更短的表達式,所以概念複雜度是4。
布爾表達式的複雜度實際上是一種內在數學複雜度的常用度量方法,也是概念的不可壓縮性的體現。
假設有一個概念包括n個特徵和m個對象,這樣一個概念可以表達爲m個分離的n個特徵聯合的累加和,通常表示成一個分離的