在人工智能的研究領(lǐng)域中,許多實(shí)際的應(yīng)用問(wèn)題,如知識(shí)表示、自動(dòng)推理、機(jī)器學(xué)習(xí)、規(guī)劃以及自然語(yǔ)言處理技術(shù)等,都具有不確定性和復(fù)雜的關(guān)系結(jié)構(gòu)雙重特征。統(tǒng)計(jì)概率方法能夠有效的處理不確定性問(wèn)題,而一階邏輯語(yǔ)言卻能夠成功的解決許多復(fù)雜性問(wèn)題。因此,人工智能需要統(tǒng)一概率化模型和一階邏輯理論。馬爾科夫邏輯（Markov Loigc）作為這樣一種描述,滿(mǎn)足了它的要求。馬爾科夫邏輯是一種功能強(qiáng)大且形式簡(jiǎn)單的語(yǔ)言,它很好的統(tǒng)一了概率化模型和一階邏輯理論。馬爾科夫邏輯理論的應(yīng)用領(lǐng)域非常廣泛,包括集合分類(lèi)、鄰接預(yù)測(cè)、基于鄰接的聚類(lèi)、社會(huì)網(wǎng)絡(luò)分析模型以及目標(biāo)識(shí)別等。本文在前人成果及前期工作的基礎(chǔ)上,重點(diǎn)研究了馬爾科夫邏輯網(wǎng)絡(luò)在引文匹配問(wèn)題和中文命名實(shí)體識(shí)別問(wèn)題中的應(yīng)用。本論文的主要?jiǎng)?chuàng)新點(diǎn)可以歸納如下:（1）本文在應(yīng)用馬爾科夫邏輯理論到引文匹配問(wèn)題時(shí),發(fā)現(xiàn)Poon-Domingos模型不能很好的處理稀疏型和稠密型的引文記錄,特別是混合型引文記錄。針對(duì)這個(gè)問(wèn)題,我們提出了一種可推廣的聯(lián)合推理模型,該模型能夠有效的解決這個(gè)問(wèn)題。但是,在實(shí)驗(yàn)時(shí)我們發(fā)現(xiàn)當(dāng)我們的模型的參數(shù)j＞4時(shí),系統(tǒng)資源就消耗殆盡了。其主要原因是在我們的... 

【文章來(lái)源】：西南大學(xué)重慶市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：121 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 引文匹配和中文命名實(shí)體識(shí)別概述
        1.1.1 引文匹配概述
        1.1.2 中文命名實(shí)體識(shí)別概述
    1.2 研究現(xiàn)狀
    1.3 馬爾可夫邏輯理論的引入
        1.3.1 馬爾科夫邏輯與引文匹配的聯(lián)系
        1.3.2 馬爾科夫邏輯與中文命名實(shí)體識(shí)別的聯(lián)系
    1.4 本文的具體工作及內(nèi)容安排
        1.4.1 本文的具體工作
        1.4.2 本文的內(nèi)容安排
        1.4.3 本文工作的創(chuàng)新點(diǎn)
第二章 馬爾科夫邏輯理論
    2.1 馬爾科夫邏輯網(wǎng)絡(luò)理論
        2.1.1 馬爾科夫網(wǎng)絡(luò)
        2.1.2 一階邏輯
        2.1.3 馬爾科夫邏輯網(wǎng)絡(luò)
    2.2 馬爾科夫邏輯的學(xué)習(xí)和推理
        2.2.1 學(xué)習(xí)
        2.2.2 推理
        2.2.3 Alchemy系統(tǒng)
    2.3 統(tǒng)計(jì)關(guān)系學(xué)習(xí)任務(wù)
    2.4 相關(guān)工作
    2.5 未來(lái)工作
    2.6 小結(jié)
第三章 用于引文匹配的一種可推廣的聯(lián)合推理方法
    3.1 背景概述
        3.1.1 研究背景與意義
        3.1.2 研究方法與現(xiàn)狀分析
    3.2 Poon-Domingos的模型
    3.3 一種可推廣的聯(lián)合推理模型
    3.4 實(shí)驗(yàn)
        3.4.1 數(shù)據(jù)集
        3.4.2 MLNs vs.RRFs
        3.4.3 評(píng)價(jià)標(biāo)準(zhǔn)
    3.5 實(shí)驗(yàn)結(jié)果與分析
    3.6 小結(jié)
第四章 基于多層混合模型的中文命名實(shí)體識(shí)別
    4.1 命名實(shí)體識(shí)別概述
        4.1.1 研究背景與意義
        4.1.2 國(guó)內(nèi)外研究現(xiàn)狀分析
        4.1.3 中文命名實(shí)體識(shí)別的難點(diǎn)
        4.1.4 中文命名實(shí)體的特點(diǎn)
    4.2 多層混合模型
        4.2.1 底層-Boosting
        4.2.2 中層-馬爾科夫邏輯網(wǎng)絡(luò)
        4.2.3 高層-頻繁信息識(shí)別
    4.3 實(shí)驗(yàn)設(shè)計(jì)及實(shí)現(xiàn)
        4.3.1 實(shí)驗(yàn)設(shè)計(jì)
        4.3.2 實(shí)驗(yàn)平臺(tái)
        4.3.3 測(cè)試與評(píng)價(jià)標(biāo)準(zhǔn)
    4.4 實(shí)驗(yàn)結(jié)果及分析
    4.5 小結(jié)
第五章 總結(jié)與展望
    5.1 全文工作總結(jié)
    5.2 未來(lái)工作展望
參考文獻(xiàn)
附錄
致謝
攻讀研究生期間主要的研究成果



本文編號(hào)：3567074