莉斯·盖图（编辑）；本·塔斯卡（编辑） 统计关系学习导论。 （英语） 兹比尔1141.68054 自适应计算与机器学习马萨诸塞州剑桥：麻省理工学院出版社（ISBN 978-0-262-07288-5）。xiv，587页。(2007). 出版商的描述：处理固有的不确定性和利用组成结构是理解和设计大型系统的基础。统计关系学习建立在概率论和统计学的思想基础上，以解决不确定性，同时结合逻辑、数据库和编程语言的工具来表示结构。在这本书中，机器学习这一新兴领域的领先研究人员描述了当前的形式主义、模型和算法，它们能够对丰富结构的系统和数据进行有效和稳健的推理。早期章节提供了后面章节中使用的材料的教程，介绍了图形模型和逻辑中的表示、推理和学习。然后，本书描述了面向对象的方法，包括概率关系模型、关系马尔可夫网络和概率实体关系模型，以及基于逻辑的形式，包括贝叶斯逻辑程序、马尔可夫逻辑和随机逻辑程序。后面的章节讨论了未知对象的概率模型、关系依赖网络、关系域中的强化学习和信息提取等主题。通过介绍各种方法，该书突出了共性，澄清了所提议方法之间的重要差异，并在此过程中确定了重要的表征和算法问题。整个系统提供了大量应用程序。 引用于122文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 68-01 与计算机科学相关的介绍性说明（教科书、教程论文等） 62H30型 分类和区分；聚类分析（统计方面） 68层37 人工智能背景下的不确定性推理 关键词：大规模系统；概率关系模型；关系马尔可夫网络；概率实体关系模型；基于逻辑的形式主义；贝叶斯逻辑程序；马尔可夫逻辑；随机逻辑程序 PDF格式BibTeX公司 XML格式引用 \textit{L.Getoor}（编辑）和textit{B.Taskar}（编），统计关系学习导论。马萨诸塞州剑桥：麻省理工学院出版社（2007；Zbl 1141.68054）