安吉丽卡·基米格;巴特·德梅恩;吕克·德·雷德;维托尔·桑托斯·科斯塔;里卡多·罗查 概率逻辑程序设计语言ProbLog的实现。 (英语) Zbl 1220.68037号 理论与实践。日志。程序。 11,编号2-3,235-262(2011). 摘要:过去几年,人们对概率逻辑学习和统计关系学习领域的兴趣激增。在这一努力中,许多概率逻辑得到了发展。ProbLog是Prolog的一个最近的概率扩展,其动机是挖掘大型生物网络。在ProbLog中,可以用概率标记事实。这些事实被视为相互独立的随机变量,表明这些事实是否属于随机抽样程序。可以向ProbeLog程序提出不同类型的查询。我们介绍了能够有效执行这些查询的算法,讨论了它们在YAP-Prolog系统上的实现,并评估了它们在大型生物实体网络环境中的性能。 引用于25文件 MSC公司: 68N17号 逻辑编程 68甲15 编程语言理论 关键词:概率逻辑程序设计;精确和近似推理;实施 软件:探测日志;YAP Prolog公司 PDF格式BibTeX公司 XML格式引用 \textit{A.Kimmig}等人,《理论与实践》。日志。程序。11,编号2--3235-262(2011;Zbl 1220.68037) 全文: 内政部 参考文献: [1] 佐藤,《人工智能研究杂志》(JAIR)15页391–(2001) [2] Muggleton,ILP进展,第254页–(1995) [3] Santos Costa,逻辑编程国际会议第305页–(2007) [4] 桑托斯,人工智能不确定性会议,pp 517–(2003) [5] 桑托斯·科斯塔(Santos Costa),《声明语言的实用性》,第九届国际研讨会,2007年PADL,法国尼斯,2007年1月14日至15日,第185页–(2007) [6] Kimmig,欧洲机器学习会议第176页–(2007) [7] Kimmig,国际人工智能联合会议,第1095页–(2009年) [8] Ishihata,《归纳逻辑编程程序集》(ILP 2008),最新论文第44页–(2008) [9] Gutmann,欧洲机器学习会议,第473页–(2008年) [10] De Raedt,使用ProbLog的概率归纳查询(2009) [11] 格拉芙,术语索引(1996) [12] Getoor,统计关系学习(2007) [13] Dantsin,俄罗斯逻辑编程会议第152页–(1991) [14] De Raedt,国际人工智能联合会议,第2462页–(2007年) [15] Dalvi,超大数据库国际会议,第864页–(2004年) [16] Cussens,《人工智能的不确定性》,第115页–(2000) [17] 巴赫迈尔,软件开发理论与实践国际联合会议,第61页–(1993) [18] 里古齐,意大利人工智能协会(AI*IA)大会,第109页–(2007年) [19] 佐藤,逻辑编程国际会议第715页–(1995) 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。