現(xiàn)實中碰到的人工智能問題,往往面臨兩方面挑戰(zhàn),即處理復雜性和不確定性問題。如何較好地同時處理這兩方面問題,一直以來是人工智能界的核心問題之一。馬爾科夫邏輯網(wǎng)絡的提出正是為了滿足這兩方面的需求。馬爾科夫邏輯網(wǎng)絡是將一階謂詞邏輯與概率圖模型相結合,以獲取關系數(shù)據(jù)中的似然模型。當前,國際人工智能界普遍公認MLNs是一種簡單且較完美地結合一階謂詞邏輯和概率圖模型的邏輯結構表達方式,具有重要的研究價值和廣闊的應用前景,已成為人工智能、機器學習、數(shù)據(jù)挖掘等領域的研究熱點。本文重點研究了馬爾科夫邏輯網(wǎng)絡的理論體系,同時詳細介紹了基于馬爾科夫邏輯網(wǎng)絡的實體解析算法及其改進算法,并且討論了其系統(tǒng)實現(xiàn)。主要工作如下:（1）詳細的剖析了馬爾科夫邏輯網(wǎng)絡的理論體系,包括馬爾科夫邏輯網(wǎng)絡的定義、馬爾科夫邏輯網(wǎng)絡中最大可能性問題、條件概率和邊緣概率、參數(shù)學習、結構學習;（2）描述了基于馬爾科夫邏輯網(wǎng)絡的實體解析模型。它在原有的一階邏輯體系中引入了等價謂詞,從而移除了“名字唯一性”假設。隨后根據(jù)引入的等價謂詞定義了在馬爾科夫邏輯網(wǎng)絡中實體解析問題的形式化表示。隨后,簡單介紹了Fellegi-Sunter實體解析模型... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景
        1.1.1 簡介
        1.1.2 實體解析的概念與內(nèi)容
    1.2 馬爾科夫邏輯網(wǎng)絡在國內(nèi)外研究進展
    1.3 本文主要研究內(nèi)容
    1.4 本章小結
第2章 馬爾科夫邏輯網(wǎng)絡綜述
    2.1 馬爾科夫網(wǎng)絡
    2.2 一階邏輯
    2.3 馬爾科夫邏輯網(wǎng)絡
    2.4 馬爾科夫邏輯網(wǎng)絡的推理
        2.4.1 最大可能性推理
        2.4.2 邊緣概率和條件概率
    2.5 馬爾科夫邏輯網(wǎng)絡的學習
        2.5.1 結構學習
        2.5.2 參數(shù)學習
    2.6 本章小結
第3章 基于馬爾科夫邏輯網(wǎng)絡的實體解析算法
    3.1 等價謂詞
    3.2 基于馬爾科夫邏輯網(wǎng)絡的實體解析問題的形式化表示法
    3.3 域的比較
    3.4 Fellegi-Sunter模型
    3.5 關系模型
    3.6 基于關系模型的推理
    3.7 本章小結
第4章 基于馬爾科夫邏輯網(wǎng)絡的實體解析改進算法
    4.1 原始算法存在的問題
    4.2 引入新規(guī)則
    4.3 新規(guī)則的權重
    4.4 改進原始算法
    4.5 實驗結果及分析
        4.5.1 實驗及實驗結果
        4.5.2 實驗結果分析
        4.5.3 未來工作
    4.6 本章小結
第5章 系統(tǒng)架構、實現(xiàn)與使用
    5.1 需求分析
    5.2 架構設計
    5.3 主要類與數(shù)據(jù)結構
    5.4 系統(tǒng)使用說明
        5.4.1 規(guī)則的表示
        5.4.2 輸入文件
        5.4.3 學習權重
        5.4.4 進行推理
    5.5 本章小結
第6章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
攻讀碩士學位期間主要的研究成果
致謝


【參考文獻】：
期刊論文
[1]統(tǒng)計關系學習研究進展[J]. 劉大有,于鵬,高瀅,齊紅,孫舒楊.  計算機研究與發(fā)展. 2008(12)
[2]統(tǒng)計關系學習模型Markov邏輯網(wǎng)綜述[J]. 孫舒楊,劉大有,孫成敏,黃冠利.  計算機應用研究. 2007(02)



本文編號：3432532