马尔科夫逻辑络研究进展.pdfVIP

 马尔科夫逻辑网络研究进展  + 徐从富, 郝春亮 , 苏保君, 楼俊杰 (浙江大学 人工智能研究所 杭州 310027) * Research Progress in Markov Logic Networks + XU Cong-Fu, HAO Chun-Liang , SU Bao-Jun, LOU Jun-Jie (Institute of Artificial Intelligence, Zhejiang University, Hangzhou 310027 ，China) + Corresponding author: E-mail: chunliang_hao@163.com Received 2010-06-22; Accepted 2011-04-28 Abstract : Markov logic networks (MLNs) is a novel statistical relational learning (SRL) model, which combines Markov network and first order logic, it has been applied widely in nature language processing, complex networks, information extraction etc. This paper addresses the theoretical model of Markov logic networks, weight and structure learning of MLNs comprehensively, and finally presents future works of MLNs. Key words: Markov logic network; statistical relational learning; probabilistic graphical model; inference; weight learning; structure learning 摘 要: 马尔科夫逻辑网络是将马尔科夫网络与一阶逻辑相结合的一种全新的统计关系学习模型，在自然语言 处理、复杂网络、信息抽取等领域都有重要的应用前景。本文较全面深入地总结了马尔科夫逻辑网络的理论模型、 推理、权重和结构学习，最后指出了马尔科夫逻辑网络未来的主要研究方向。 关键词: Markov 逻辑网；统计关系学习；概率图模型；推理；权重学习；结构学习 中图法分类号: TP181 文献标识码: A 如何有效地处理复杂性和不确定性等问题，一直是人工智能界的难点之一。为此，国内外学者进行了长 期的探索研究。近年来，先后提出了统计关系学习（Statistical Relational Learning, SRL ）[22, 47, 50]和概率图模 型（Probabilistic Graphical Model, PGM ）[5, 57]等重要方法，并引起了极大关注。简单地说，统计关系学习通 过集成关系/逻辑表示、概率推理、不确定性处理、机器学习和数据挖掘等方法，以获取关系数据中的似然模 型。目前，关系/逻辑表示仍以一阶谓词逻辑为主，用以紧凑表达领域知识和有效处理逻辑问题，主要包括逻 [1-3] [4] 辑程序（logic programming ） 和描述逻辑（description logic ） 。而概率图模型则是一种通用化的不确定 性知识表示和处理方法，主要涵盖了贝叶斯网络（Bayesian Networks, BNs ）[6-8] 、隐马尔科夫模型（Hidden Markov Model, HMM ）[9-10] 、马尔科夫决策过程（Markov Decision Process, MDP ） [11-13] 、神经网络（Neural Network, NN ）[14-15]等。一个很自然的想法是将统计关系学