馬爾可夫邏輯網(wǎng)在Web中的應(yīng)用.pdf

1、概率圖模型能很好處理不確定性，一階邏輯可以簡(jiǎn)潔地表示知識(shí)，將概率與邏輯整合在同一個(gè)表示之中一直是人工智能領(lǐng)域的一個(gè)長(zhǎng)期目標(biāo)。Markov邏輯網(wǎng)是公式附加權(quán)值的一階邏輯知識(shí)庫(kù)，且可作為構(gòu)建Markov網(wǎng)的模板。
　　 傳統(tǒng)的統(tǒng)計(jì)方法是基于數(shù)據(jù)間的獨(dú)立同分布，并假設(shè)這些數(shù)據(jù)具有相同的結(jié)構(gòu)。但是在現(xiàn)實(shí)的Web世界中，存在著大量的半結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)本身不但具有復(fù)雜的內(nèi)部結(jié)構(gòu)，而且數(shù)據(jù)外部通過超鏈接、引用等聯(lián)系起來(lái)構(gòu)成關(guān)系數(shù)據(jù)集合。傳統(tǒng)的

2、統(tǒng)計(jì)方法忽略了這些數(shù)據(jù)間的關(guān)系結(jié)構(gòu)，而這些“關(guān)系”卻含有更多深層次的語(yǔ)義信息。
　　 統(tǒng)計(jì)關(guān)系學(xué)習(xí)就是針對(duì)“關(guān)系”的學(xué)習(xí)方法，集一階邏輯/關(guān)系表示、不確定性處理和機(jī)器學(xué)習(xí)/數(shù)據(jù)挖掘于一體，其目的是挖掘關(guān)系數(shù)據(jù)中的似然模型。Markov邏輯網(wǎng)是一種將Markov網(wǎng)與一階邏輯相結(jié)合的統(tǒng)計(jì)關(guān)系學(xué)習(xí)模型，已經(jīng)成為人工智能領(lǐng)域的一個(gè)重要研究熱點(diǎn)，在互聯(lián)網(wǎng)、社會(huì)網(wǎng)、計(jì)算生物學(xué)、普適計(jì)算等領(lǐng)域應(yīng)用廣泛。
　　 本文重點(diǎn)研究了Marko

3、v邏輯網(wǎng)在Web領(lǐng)域的相關(guān)應(yīng)用。主要工作歸納如下：
　　 1. 研究了Markov邏輯網(wǎng)相關(guān)理論。
　　 本文首先介紹了Markov邏輯網(wǎng)的理論基礎(chǔ)，即概率圖模型、Markov隨機(jī)場(chǎng)/Markov網(wǎng)和一階邏輯。然后研究了Markov邏輯網(wǎng)的概念與特性，包括閉Markov邏輯網(wǎng)、三大基本假設(shè)和Markov邏輯網(wǎng)的知識(shí)庫(kù)。最后討論了Markov邏輯網(wǎng)的權(quán)值學(xué)習(xí)算法和推理算法。
　　 2. 將Markov邏輯網(wǎng)應(yīng)用到文

4、本分類中在統(tǒng)計(jì)關(guān)系學(xué)習(xí)中，可以通過關(guān)系（邏輯）來(lái)很好的表示知識(shí)，故文本分類問題的Markov邏輯表示也十分的簡(jiǎn)潔。實(shí)驗(yàn)結(jié)合了判別式訓(xùn)練的學(xué)習(xí)算法，MC-SAT、吉布斯抽樣和模擬退火等推理算法，結(jié)果表明基于Markov邏輯網(wǎng)的分類方法能夠取得比傳統(tǒng)KNN分類算法更好的效果。
　　 3. 將Markov邏輯網(wǎng)應(yīng)用到重復(fù)數(shù)據(jù)刪除中本文給出了如何用少量的謂詞公式來(lái)描述重復(fù)數(shù)據(jù)刪除問題中不同方面的本質(zhì)特征，并將Markov邏輯表示的各方面

5、組合起來(lái)形成各種模型。實(shí)驗(yàn)采用了判別式訓(xùn)練的學(xué)習(xí)算法和MC-SAT推理算法，結(jié)果表明基于Markov邏輯網(wǎng)的重復(fù)數(shù)據(jù)刪除方法涵蓋了經(jīng)典的Fellegi-Sunter模型，其效果明顯優(yōu)于基于聚類算法和基于相似度計(jì)算的方法，且可以通過Markov邏輯網(wǎng)構(gòu)建此類問題的統(tǒng)一框架。
　　 4. 總結(jié)了Markov邏輯網(wǎng)在Web領(lǐng)域的其他潛在應(yīng)用針對(duì)信息抽取問題，本文僅從如何檢測(cè)域邊界的角度出發(fā)，構(gòu)建了Markov邏輯網(wǎng)，雖然不太完善，但其