본 논문은 믿음 체계가 전반적으로 일관되지 않더라도 효과적인 추론이 국소적으로 지속될 수 있다는 점에 착안하여, 신뢰도(외부적, 사전 소스 신뢰)와 자신감(내부적, 네트워크 구조에 의해 유도되는 가치)을 분리하는 새로운 그래프 이론적 프레임워크를 제안합니다. 이 프레임워크에서 믿음은 지지 및 모순을 인코딩하는 방향, 부호, 가중 그래프의 노드로 표현되며, 자신감은 계약형 전파 과정을 통해 얻어집니다. 또한, 고전적인 추론이 안전하게 적용될 수 있는 높은 자신감을 가진 구조적으로 균형 잡힌 서브그래프인 추론 영역을 정의합니다. 저자들은 영역을 시드하고, 균형을 테스트하며, 압축된 지도를 구축하는 방법을 설명하는 거의 선형적인 절차를 제공합니다. 믿음 변화를 모델링하기 위해, 국소적으로 지지를 축소하고 표적 모순을 높이는 충격 업데이트와 역추적 규칙을 도입하여 계약성을 유지합니다. 합성 부호 그래프에 대한 실험을 통해 영역 복구, 충격에 대한 안정성, 실행 시간을 보고합니다. 이 연구는 구조가 지원하는 곳에서 정확하게 고전 논리를 활성화하는, 모순 허용 추론을 위한 원칙적인 기반을 제공합니다.
