该论文提出了一种统一的证据推理框架，解决了多源证据融合中两个挑战：现有的冲突措施独立评估证据间不一致性和证据内不确定性，得出不完整的评估；当前的融合方法仅通过瞬时比较评估证据来源，而没有利用其在不同决策背景下的长期可靠性。该框架引入了混沌冲突测度，联合量化跨证据冲突和证据内非特异性，并通过五个正式证明的性质 đảm保一致的评估。历史经验驱动的加权方案通过谱聚类划分决策空间，并应用遗憾理论计算上下文特定的可靠性配置文件。这些机制输入到一个混合组合规则中，自适应地平衡不确定性保护与加权共识，受全局冲突水平控制，随后是一个启发式决策策略，使得在不丢弃认识不确定性的情况下实现鲁棒的分类。实验结果表明，该框架在16个真实世界基准数据集上实现了平均F1得分85.78和平均AUC 93.30，优于八个基于DST的基线和三个梯度提升方法。消融分析确认了我们提出的每个组件的贡献。 博主点评： 该论文提出的证据融合框架在解决多源决策中的鲁棒性和不确定性问题方面具有重要意义，值得深入研究和应用。