×
盖托，丽斯；约翰·格兰特

PRL：一种概率关系语言。 （英语） Zbl 1470.68222号

机器。学习。 62，第1-2号，第7-31号（2006年）.
摘要：在本文中，我们描述了概率关系语言（PRL）的语法和语义。PRL是将概率关系模型（PRM）的最新工作改写为逻辑编程框架。我们展示了如何表示语义中不同程度的复杂性，包括属性不确定性、结构不确定性和身份不确定性。我们的方法在精神上与贝叶斯逻辑程序（BLP）和逻辑贝叶斯网络（LBN）中的工作类似。然而，令人惊讶的是，由此产生的形式主义仍然存在一些重要的差异；例如，我们介绍了基于PRM方法的聚合的一般概念。我们的贡献之一是，我们展示了如何在概率逻辑语言中支持比之前描述的更丰富形式的结构不确定性。我们在这项工作中的目标是提供一个统一的框架，该框架支持所有类型的关系不确定性，但基于逻辑编程形式。我们还认为，它有助于理解基于框架的方法和替代逻辑编程方法之间的关系，并允许它们之间更好地传递思想。

引用于6文件

MSC公司：

68层37 人工智能背景下的不确定性推理
68N17号 逻辑编程

关键词：

概率关系模型；逻辑程序设计；不确定性

软件：

间谍；棱镜
PDF格式BibTeX公司 XML格式引用
\textit{L.Getoor}和\textit{J.Grant}，马赫。学习。62，编号1--2，7--31（2006；Zbl 1470.68222）
全文： 内政部

参考文献：

[1] Bhattacharya，I.和Getoor，L.（2004）。用于清理和集成的迭代记录链接。在第九届ACM SIGMOD数据挖掘和知识发现研究问题研讨会上。
[2] Blockeel，H.（2003）。贝叶斯网络序言：元解释器方法。《多关系数据挖掘第二次研讨会论文集》。
[3] Costa，V.S.，Page，D.Qazi，&M.Cussens，J.（2003）。CLP（BN）：概率知识的约束逻辑编程。《人工智能不确定性会议论文集》。（第517-524页）。
[4] DeGroot，M.H.（1970）。，最佳统计决策。纽约：McGraw-Hill·Zbl 0225.62006号
[5] Fierens，D.、Blockeel，H.、Bruynooghe和M.Ramon，J.（2004）。逻辑贝叶斯网络。《多关系数据挖掘第三次研讨会论文集》·Zbl 1134.68507号
[6] Fierens，D.、Blockeel，H.、Bruynooghe，M.和Ramon，J.（2005）。逻辑贝叶斯网络及其与其他概率逻辑模型的关系。在归纳逻辑编程会议论文集·Zbl 1134.68507号
[7] Friedman，N.、Getoor，L.、Koller，D.和Pfeffer，A.（1999）。学习概率关系模型。《国际人工智能联合会议论文集》。瑞典斯德哥尔摩（1300–1307页）Morgan Kaufman。
[8] 盖夫曼，H.（1964年）。关于一阶计算中的测度。以色列数学杂志，2，1-18·Zbl 0192.03302号 ·doi:10.1007/BF02759729
[9] Getoor，L.（2001年）。学习关系数据的统计模型。斯坦福大学博士论文。
[10] Getoor，L.，Friedman，N.，Koller，D.&Pfeffer，A.（2001a）学习概率关系模型。S.Dzeroski和N.Lavrac（编辑），关系数据挖掘Kluwer（第307–335页）。
[11] Getoor，L.和Friedman。N.，Koller，D.和Taskar，B.（2001b）。学习具有结构不确定性的概率关系模型。机器学习国际会议论文集。摩根·考夫曼（第170–1177页）。
[12] Getoor，L.、Friedman，N.、Koller，D.和Taskar，B.（2002年）。学习具有链接结构的概率模型。机器学习研究杂志，3679–707·Zbl 1112.68441号 ·doi:10.1162/jmlr.2003.3.4-5.679
[13] Getoor，L.、Rhee，J.、Koller，D.和Small，P.（2004）。使用概率关系模型了解结核病流行病学。医学中的人工集成许可证，30（233-256）·Zbl 05390845号 ·doi:10.1016/j.artmed.2003.11.003
[14] Getoor，L.、Segal，E.、Taskar，B.和Koller，D.（2001c）。用于超文本分类的文本和链接结构的概率模型。在IJCAI文本学习研讨会：超越监督。
[15] Getoor，L.、Taskar，B.和Koller，D.（2001d）。使用概率模型进行选择性估计。在ACM SIGMOD国际数据管理会议记录中。ACM出版社（第461-472页）。
[16] Halpern，J.（1990）。概率的一阶逻辑分析。《人工智能杂志》，46311-350·Zbl 0723.03007号 ·doi:10.1016/0004-3702（90）90019-V
[17] Heckerman，D.、Meek，C.和Koller，D.（2004）。关系数据的概率模型。技术报告30，Microsoft Research，Microsoft Corporation。
[18] Jaeger，M.（1998年）。用关系贝叶斯网络推理无限随机结构。《知识表达会议记录》（第570-581页）。
[19] Kersting，K.和De Raedt，L.（2001a）。自适应贝叶斯逻辑程序。在归纳逻辑编程会议论文集·Zbl 1006.68504号
[20] Kersting，K.和De Raedt，L.（2001年b）。贝叶斯逻辑程序。技术报告151，德国弗莱堡大学计算机科学研究所·Zbl 1006.68504号
[21] Koller，D.，McAllester，D.&Pfeffer，A.（1997年）。随机程序的有效贝叶斯推理。在《全国人工智能会议记录》（第740–747页）中。
[22] Koller，D.&Pfeffer，A.（1998年）。基于概率框架的系统。美国人工智能会议论文集。
[23] Laskey，K.B.（2003）。MEBN：开放世界概率推理逻辑。乔治·梅森大学系统工程与操作研究系技术报告。
[24] Lloyd，J.W.（1989）。逻辑编程基础。斯普林格·Zbl 0547.68005号
[25] McCallum，A.&Wellner，B.（2003年）。身份不确定性的条件模型及其在专有名词共指中的应用。在IJCAI网络信息集成研讨会上。
[26] Milch，B.、Marthi，B.和Russell，S.（2004）。BLOG：使用未知对象进行关系建模。在ICML 2004统计关系学习及其与其他领域的联系研讨会上。
[27] Muggleton，S.（1996）。随机逻辑程序。《归纳逻辑编程进展》（第254-264页）。
[28] Pasula，H.、Marthi，B.、Milch，B.、Russell，S.和Shpitser，I.（2003）。身份不确定性和引文匹配。神经信息处理进展。
[29] Pasula，H.&Russell，S.（2001）。一阶概率语言的近似推理。《国际人工智能联合会议记录》（第741-748页）。
[30] Pearl，J.（1988）。智能系统中的概率推理。摩根·考夫曼·Zbl 0649.68104号
[31] Pfeffer，A.（2000）。复杂系统的概率推理。斯坦福大学博士论文。
[32] Pfeffer，A.、Koller，D.、Milch，B.和Takusagawa，K.（1999）。SPOOK：一个用于概率面向对象知识表示的系统。《人工智能不确定性会议论文集》。
[33] Poole，D.（1993）。概率角外推和贝叶斯网络。《人工智能杂志》，64（1），81–129·Zbl 0792.68176号 ·doi:10.1016/0004-3702（93）90061-F
[34] Russell，S.（2001）。身份不确定性。国际模糊系统协会会议录。
[35] Sato，T.&Kameya，Y.（1997）《PRISM:符号统计建模语言》。《国际人工智能联合会议论文集》（第1330-1335页）。
[36] Wellman，M.、Breese，J.和Goldman，R.（1992年）。从知识库到决策模型。知识工程评论，7（1），35-53·doi:10.1017/S0269888900006147
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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。