概率圖模型能很好處理不確定性,一階邏輯可以簡潔地表示知識,將概率與邏輯整合在同一個表示之中一直是人工智能領域的一個長期目標。Markov邏輯網是公式附加權值的一階邏輯知識庫,且可作為構建Markov網的模板。 傳統(tǒng)的統(tǒng)計方法是基于數(shù)據間的獨立同分布,并假設這些數(shù)據具有相同的結構。但是在現(xiàn)實的Web世界中,存在著大量的半結構化數(shù)據,數(shù)據本身不但具有復雜的內部結構,而且數(shù)據外部通過超鏈接、引用等聯(lián)系起來構成關系數(shù)據集合。傳統(tǒng)的統(tǒng)計方法忽略了這些數(shù)據間的關系結構,而這些“關系”卻含有更多深層次的語義信息。 統(tǒng)計關系學習就是針對“關系”的學習方法,集一階邏輯/關系表示、不確定性處理和機器學習/數(shù)據挖掘于一體,其目的是挖掘關系數(shù)據中的似然模型。Markov邏輯網是一種將Markov網與一階邏輯相結合的統(tǒng)計關系學習模型,已經成為人工智能領域的一個重要研究熱點,在互聯(lián)網、社會網、計算生物學、普適計算等領域應用廣泛。 本文重點研究了Markov邏輯網在Web領域的相關應用。主要工作歸納如下: 1.研究了Markov邏輯網相關理論。 本文首先介紹了Markov邏輯網的理論基礎,即概率圖模型、Markov...

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

圖2.2概率邏輯學習圖

的對象彼此相似，與其他類中的對從客戶基本庫中發(fā)現(xiàn)不同的客戶群——統(tǒng)計關系學習法存在一個很嚴重的問題，就是它數(shù)據。但是Web上絕大多數(shù)數(shù)據關系數(shù)據的復雜數(shù)據庫。為了對該現(xiàn)的結構信息。率邏輯學習（ProbabilisticLogic數(shù)據挖掘的基礎上發(fā)展起來的跨領表示、似然推理....

圖3.2閉Markov邏輯網及閉謂詞Fig.3.2ClosureMarkovLogicNetworksand.ClosurePredicates

④Cla(A,A)→(Run(A)Run(A))，其中的閉謂詞為：Cla(A,A)、Run(A)⑤Cla(B,A)→(Run(B)Run(A))，其中的閉謂詞為：Cla(B,A)、Run(A)un(B)⑥Cla(B,B)→(Run(B)Ru....

圖4.1文本分類的一般過程

圖4.1文本分類的一般過程Fig.4.1TheTraditionalFlowchartofTextClassification于Markov邏輯網的文本分類于文本分類的任務本質上是判斷某個類是否有某篇文本，而通常采本的基本單位——“詞”，也就是某篇文本有某些詞....

圖4.2Markov邏輯網與KNN查準率對比圖

征數(shù)比例5%15%25%50%75%100%布斯抽樣吉宏查全宏查準宏F1微查全微查準微F10.863330.904770.883560.877810.877810.413790.879610.917210.898010.894960.894960.431690.8....

本文編號：4004043