×
安吉丽卡·基米格；莉莉亚娜·米哈尔科娃；莉斯·盖图

提升的图形模型：一项调查。 （英语） Zbl 1320.62016年

马赫。学习。 99，第1期，1-45页（2015）.
摘要：提升的图形模型提供了一种语言，用于表达不同类型实体之间的依赖关系、属性及其不同关系，以及在这种多关系域中进行概率推理的技术。在这篇综述中，我们回顾了提升图形模型的一般形式，即par-factor图，并展示了一些现有的统计关系表示如何映射到这种形式。我们讨论了推理算法，包括提升推理算法，它们可以有效地计算此类模型上概率查询的答案。我们还回顾了从数据中学习提升图形模型的工作。对统计关系模型的需求越来越大（无论它们是以什么名称命名的），因为我们被结构化和非结构化的混合数据淹没，从文本中以杂乱的方式提取实体和关系，并且需要对这些数据进行有效的推理。我们希望，来自许多不同研究小组的这一想法的综合将为这一不断扩大的领域的新研究人员提供一个可行的起点。

引用于10文件

MSC公司：

62B10型 信息理论主题的统计方面
94C15号机组 图论在电路和网络中的应用
68T05型 人工智能中的学习和自适应系统

关键词：

统计关系学习；一阶概率模型；概率规划；par-factor图；模板化图形模型；提升推理与学习

软件：

博客；摇滚乐；SPOOK（短管）；工厂；PRMLT公司；阿勒夫；网络工具包；四分体；FactorBase公司；ProbLog（问题日志）；斯卡拉
PDF格式BibTeX公司 XML格式引用
\textit{A.Kimmig}等人，马赫。学习。99，第1号，1-45（2015；Zbl 1320.62016）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Ahmadi，B.、Kersting，K.、Sanner，S.（2011年）。多证据提升了消息传递，并应用于PageRank和Kalman过滤器。摘自：第22届国际人工智能联合会议记录（IJCAI-11）。
[2] Ahmadi，B.、Kersting，K.、Natarajan，S.（2012年）。使用随机梯度方法提升关系模型的在线训练。摘自：《欧洲机器学习与数据库知识发现原理与实践会议论文集》（ECML/PKDD-12）。
[3] Ahmadi，B.、Kersting，K.、Mladenov，M.和Natarajan，S.（2013年）。利用对称性进行循环信念传播和关系训练。机器学习，92（1），91-132·Zbl 1273.68293号 ·doi:10.1007/s10994-013-5385-0
[4] Airoldi，E.M.、Blei，D.M.、Fienberg，S.E.和Xing，E.P.（2008）。混合成员随机块模型。机器学习研究杂志，1981-2014年9月·Zbl 1225.68143号
[5] Apsel，U.，Brafman，R.I.（2011）。用联合公式扩展提升推理。收录：第27届人工智能不确定性会议论文集（UAI-11）。
[6] Arora，N.S.、de Salvo Braz，R.、Sudderth，E.B.和Russell，S.J.（2010年）。开放宇宙随机语言中的吉布斯采样。摘自：第26届人工智能不确定性会议论文集（UAI-10）。
[7] 巴赫，S.H.、布罗切勒，M.、盖图，L.和奥利里，D.P.（2012）。约束连续马尔可夫随机场的尺度MPE推理与一致优化。摘自：第26届神经信息处理系统年会论文集（NIPS-12）。
[8] Bach，S.H.、Huang，B.、London，B.和Getoor，L.（2013）。铰链损失马尔可夫随机场：结构化预测的凸推理。摘自：《第29届人工智能不确定性会议论文集》（UAI-13）。
[9] Bakir，G.H.、Hofmann，T.、Schölkopf，B.、Smola，A.J.、Taskar，B.和Vishwanathan，S.V.N.（编辑）。(2007). 预测结构化数据。剑桥：麻省理工学院出版社。
[10] Banerjee，B.、Liu，Y.和Youngblood，G.M.（编辑）（2006年）。机器学习的结构化知识转移。ICML-06研讨会。
[11] Besag，J.（1975年）。非晶格数据的统计分析。统计学家，24（3），179-195·doi:10.2307/2987782
[12] Biba，M.、Ferilli，S.和Esposito，F.（2008）。马尔可夫逻辑网络的判别结构学习。收录于：第18届归纳逻辑编程国际会议论文集（ILP-08）·Zbl 1156.68520号
[13] Bishop，C.M.（2006年）。模式识别和机器学习。海德堡：施普林格·Zbl 1107.68072号
[14] Broecheler，M.和Getoor，L.（2010年）。计算连续马尔可夫网络上用于统计关系学习的边际分布。摘自：《第24届神经信息处理系统年会论文集》（NIPS-10）。
[15] Broecheler，M.、Mihalkova，L.和Getoor，L.（2010年）。概率相似逻辑。摘自：第26届人工智能不确定性会议论文集（UAI-10）。
[16] Bui，H.H.、Huynh，T.N.和de Salvo Braz，R.（2012）。对每一个物体都有明确的软证据进行精确的推论。摘自：第26届AAAI人工智能会议记录（AAAI-12）。
[17] Bui，H.H.、Huynh，T.N.和Riedel，S.（2013）。图模型的自同构群和提升的变分推理。摘自：《第29届人工智能不确定性会议论文集》（UAI-13）。
[18] Chang，J.&Blei，D.M.（2009年）。文档网络的关系主题模型。收录于：第12届国际人工智能与统计大会论文集（AISTATS-09）。
[19] Choi，J.和Amir，E.（2012年）。提升了关系变分推理。收录：第28届人工智能不确定性会议记录（UAI-12）。
[20] Choi，J.、Amir，E.和Hill，D.J.（2010年）。提升了关系连续模型的推理。摘自：第26届人工智能不确定性会议论文集（UAI-10）。
[21] Choi，J.、Guzmán-Rivera，A.和Amir，E.（2011年A）。提升了关系卡尔曼滤波。收录：第22届国际人工智能联合会议论文集（IJCAI-11）。
[22] Choi，J.，de Salvo Braz，R.&Bui，H.H.（2011年b）。使用聚合因子提升推理的有效方法。摘自：第25届AAAI人工智能会议记录（AAAI-11）。
[23] Chu，W.、Sindhwani，V.、Ghahramani，Z.和Keerthi，S.S.（2006年）。高斯过程的关系学习。摘自：《第20届神经信息处理系统年会论文集》（NIPS-06）。
[24] Damien，P.、Wakefield，J.和Walker，S.（1999）。使用辅助变量对贝叶斯非共轭和层次模型进行吉布斯抽样。《皇家统计学会杂志》，61（2），331-344·Zbl 0913.62028号 ·doi:10.1111/1467-9868.00179
[25] Davis，J.和Domingos，P.（2009年）。通过二阶马尔可夫逻辑进行深度传输。摘自：第26届国际机器学习会议记录（ICML-09）。
[26] De Raedt，L.（1996）。归纳逻辑编程的进展。阿姆斯特丹：IOS出版社·Zbl 0845.68002号
[27] De Raedt，L.（2008）。逻辑和关系学习。海德堡：施普林格·Zbl 1203.68145号 ·doi:10.1007/978-3-540-68856-3
[28] De Raedt，L.和Kersting，K.（2003）。概率逻辑学习。ACM-SIGKDD探索，5（5），31-48·doi:10.1145/959242.959247
[29] De Raedt，L.&Kersting，K.（2004）。概率归纳逻辑编程。摘自：第十五届算法学习理论国际会议论文集（ALT-04）·兹比尔1110.68392
[30] 拉埃特，L。；Kersting，K。；Sammut，C.（编辑）；Webb，GI（编辑），统计关系学习（2010），海德堡·Zbl 1185.68513号
[31] De Raedt，L.、Kimmig，A.和Toivonen，H.（2007年）。ProbLog：一种概率Prolog及其在链路发现中的应用。摘自：第20届国际人工智能联合会议记录（IJCAI-07）。
[32] De Raedt，L.、Frasconi，P.、Kersting，K.和Muggleton，S.（编辑）。(2008). 概率归纳逻辑编程。纽约：斯普林格·Zbl 1132.68007号
[33] de Salvo Braz，R.、Amir，E.和Roth，D.（2005）。提升了一阶概率推断。摘自：第19届国际人工智能联合会议记录（IJCAI-05）·Zbl 1213.68619号
[34] de Salvo Braz，R.、Amir，E.和Roth，D.（2006年）。提升概率变量消除中的MPE和部分反演。摘自：《第21届全国人工智能会议论文集》（AAAI-06）。
[35] Salvo Braz，R。；埃米尔，E。；罗斯，D。；Getoor，L.（编辑）；Taskar，B.（编辑），提升一阶概率推理（2007），剑桥
[36] Salvo Braz，R。；埃米尔，E。；罗斯，D。；Holmes，DE（编辑）；Jain，LC（编辑），一阶概率模型调查（2008），柏林·Zbl 1213.68619号
[37] de Salvo Braz，R.、Natarajan，S.、Bui，H.、Shavlik，J.和Russell，S.（2009年）。随时解除信仰传播。摘自：统计关系学习国际研讨会论文集（SRL-09）。
[38] Della Pietra，S.、Della Pietera，V.J.和Lafferty，J.D.（1997）。诱导随机场的特征。IEEE模式分析和机器智能汇刊，19（4），380-393。
[39] Dietterich，T.、Getoor，L.和Murphy，K.（编辑）（2004年）。统计关系学习及其与其他领域的联系（SRL-04）。
[40] Domingos，P.&Kersting，K.（编辑）（2009年）。统计关系学习国际研讨会（SRL-09）。
[41] 多明戈斯，P.和洛德，D.（2009年）。马尔可夫逻辑：人工智能的接口层。圣拉斐尔：摩根克莱普尔·Zbl 1202.68403号
[42] Dz̆roski，S.和Lavraz，N.（编辑）。(2001). 关系数据挖掘。柏林：斯普林格·Zbl 1003.68039号
[43] Fern，A.、Getoor，L.和Milch，B.（编辑）（2006年）。统计关系学习中的开放性问题（SRL-06）。ICML-06研讨会。
[44] Friedman，N.、Getoor，L.、Koller，D.和Pfeffer，A.（1999a）。学习概率关系模型。摘自：第16届国际人工智能联合会议记录（IJCAI-99）。
[45] 弗里德曼，N.，纳奇曼，I.，佩尔，D.（1999b）。从海量数据集学习贝叶斯网络结构：“稀疏候选”算法。摘自：第15届人工智能不确定性会议记录（UAI-99）。
[46] Gaudel，R.，Sebag，M.，Cornuéjols，A.（2007年）。基于相位转换的多实例内核透视图。摘自：第17届归纳逻辑程序设计国际会议论文集（ILP-07）·Zbl 1136.68485号
[47] Getoor，L.（2002年）。从关系数据学习统计模型。斯坦福大学博士论文。
[48] Getoor，L.和Taskar，B.（编辑）。(2007). 统计关系学习导论。剑桥：麻省理工学院出版社·Zbl 1141.68054号
[49] Getoor，L.、Friedman，N.、Koller，D.和Taskar，B.（2002年）。学习链路结构的概率模型。机器学习研究杂志，3679-707·Zbl 1112.68441号
[50] 盖托，L。；弗里德曼，N。；科勒，D。；Pfeffer，A。；Taskar，B。；Getoor，L.（编辑）；Taskar，B.（编辑），概率关系模型（2007），剑桥
[51] Gogate，V.，Domingos，P.（2011年）。概率定理证明。收录：第27届人工智能不确定性会议论文集（UAI-11）。
[52] Gogate，V.、Jha，A.K.和Venugopal，D.（2012年）。提升重要性抽样的进展。摘自：第26届AAAI人工智能会议记录（AAAI-12）。
[53] Gogate，V.，Kersting，K.，Natarajan，S.&Poole，D.（编辑）（2013年）。AAAI-13统计关系人工智能研讨会。
[54] Gomes，T.&Santos Costa，V.（2012年）。评估Prolog因子语言的推理算法。摘自：第22届国际归纳逻辑程序设计会议（ILP-12）论文集·Zbl 1382.68192号
[55] Hadiji，F.&Kersting，K.（2013年）。减少并重新提升：自举提升了MAP的可能性最大化。收录：第27届AAAI人工智能会议论文集（AAAI-13）。
[56] Hadiji，F.、Ahmadi，B.和Kersting，K.（2011年）。有效的顺序夹紧，用于提升消息传递。摘自：第34届德国人工智能年会会议记录（KI-11）。
[57] 赫克曼，D。；Jordan，M.（编辑），《贝叶斯网络学习教程》（1999年），剑桥
[58] Heckerman，D.和Breese，J.S.（1994年）。因果独立性的新视角。摘自：《第十届人工智能不确定性会议论文集》（UAI-94）。
[59] Heckerman，D.、Chickering，D.M.、Meek，C.、Rounthwaite，R.和Kadie，C.（2000年）。推理、协同过滤和数据可视化的依赖网络。机器学习研究杂志，149-75·Zbl 1008.68132号
[60] Huynh，T.N.&Mooney，R.J.（2008）。马尔可夫逻辑网络的判别结构和参数学习。摘自：《第25届国际机器学习会议论文集》（ICML-08）。
[61] Huynh，T.N.&Mooney，R.J.（2009）。马尔可夫逻辑网络的最大边缘权值学习。摘自：《欧洲机器学习与数据库知识发现原理与实践会议论文集》（ECML/PKDD-09）。
[62] Huynh，T.N.&Mooney，R.J.（2011）。马尔可夫逻辑网络的在线最大边缘权值学习。摘自：第十一届SIAM国际数据挖掘会议记录（SDM-11）。
[63] Jaeger，M.（1997）。关系贝叶斯网络。摘自：《第13届人工智能不确定性会议论文集》（UAI-97）·Zbl 0945.03543号
[64] Jaeger，M.（2002年）。关系贝叶斯网络：一项调查。Linköping Computer and Information Science电子文章，7（015），1-22。
[65] Jaeger，M.（2014）。提升推理的复杂度下限。逻辑程序设计的理论与实践（即将出版，可用arXiv:1204.3255v2）。
[66] Jaeger，M.，Van den Broeck，G.（2012年）。概率推理的可提升性：上限和下限。摘自：第二届统计关系人工智能国际研讨会论文集（StaRAI-12）。
[67] Jaimovich，A.、Meshi，O.和Friedman，N.（2007年）。对称关系马尔可夫随机场中基于模板的推理。收录：第23届人工智能不确定性会议记录（UAI-07）。
[68] Jain，D.（2011）。马尔可夫逻辑网络的知识工程：综述。摘自：第三届知识与信念动力研讨会论文集（DKB-11）。
[69] Jensen，D.、Neville，J.和Gallagher，B.（2004）。为什么集体推理可以改进关系分类。摘自：第十届ACM SIGKDD知识发现和数据挖掘会议论文集（KDD-04）。
[70] Jha，A.、Gogate，V.、Meliou，A.和Suciu，D.（2010年）。从另一方面来看，提升了推论：易驾驭的特征。摘自：《第24届神经信息处理系统年会论文集》（NIPS-10）。
[71] Kautz，H.、Selman，B.和Jiang，Y.（1997）。解决硬约束和软约束问题的通用随机方法。收录于：Gu D，Du J，Pardalos P（eds）DIMACS Series In Discrete Mathematics and Theory Computer Science，vol 35，American Mathematical Society，pp 573-586·Zbl 0891.68100号
[72] Kautz，H.、Kersting，K.、Natarajan，S.和Poole，D.（编辑）。，(2012). UAI-12统计关系人工智能研讨会。
[73] Kersting，K.（2012年）。提升了概率推理。摘自：第20届欧洲人工智能会议论文集（ECAI-12）。
[74] Kersting，K.和De Raedt，L.（2001）。将归纳逻辑编程与贝叶斯网络相结合。摘自：第十一届归纳逻辑程序设计国际会议（ILP-01）论文集·Zbl 1006.68518号
[75] Kersting，K.、Ahmadi，B.和Natarajan，S.（2009年）。计算信仰传播。摘自：《第25届人工智能不确定性会议论文集》（UAI-09）。
[76] Kersting，K.、Massaoudi，Y.E.、Hadiji，F.和Ahmadi，B.（2010a）。消息传递通知解除。摘自：第24届AAAI人工智能会议记录（AAAI-10）。
[77] Kersting，K.、Russell，S.、Kaelbling，L.P.、Halevy，A.、Natarajan，S.和Mihalkova，L.（编辑）（2010b）。AAAI-10统计关系人工智能研讨会。
[78] Kersting，K.、Poole，D.和Natarajan，S.（2011年）。提升概率逻辑模型中的推理。IJCAI-11指南。
[79] Khosravi，H.、Schulte，O.、Man，T.、Xu，X.和Bina，B.（2010年）。具有多个描述性属性的马尔可夫逻辑网络的结构学习。摘自：第24届AAAI人工智能会议记录（AAAI-10）。
[80] Khosravi，H.、Schulte，O.、Hu，J.和Gao，T.（2012）。用决策树学习紧马尔可夫逻辑网络。机器学习，89（3），257-277·doi:10.1007/s10994-012-5307-6
[81] Khot，T.、Natarajan，S.、Kersting，K.和Shavlik，J.W.（2011年）。通过函数梯度提升学习马尔可夫逻辑网络。摘自：第11届IEEE数据挖掘国际会议（ICDM-11）会议记录·Zbl 1346.68159号
[82] Khot，T.、Natarajan，S.、Kersting，K.和Shavlik，J.（2013）。从部分观测数据中学习关系概率模型-打开封闭世界假设。摘自：第23届归纳逻辑程序设计国际会议（ILP-13）论文集。
[83] Kiddon，C.和Domingos，P.（2011年）。一阶概率模型的粗-精推理和学习。摘自：第25届AAAI人工智能会议记录（AAAI-11）。
[84] Kisyñski，J.和Poole，D.（2009a）。提升概率推理中的约束处理。摘自：《第25届人工智能不确定性会议论文集》（UAI-09）。
[85] Kisyñski，J.和Poole，D.（2009b）。定向一阶概率模型中的提升聚合。摘自：第21届国际人工智能联合会议记录（IJCAI-09）。
[86] Kok，S.和Domingos，P.（2005）。学习马尔可夫逻辑网络的结构。摘自：第22届国际机器学习会议记录（ICML-05）。
[87] Kok，S.和Domingos，P.（2009年）。通过超图提升学习马尔可夫逻辑网络结构。摘自：第26届国际机器学习会议记录（ICML-09）。
[88] Kok，S.，&Domingos，P.（2010），《使用结构模体学习马尔可夫逻辑网络》。摘自：第27届国际机器学习会议（ICML-10）论文集。
[89] Koller，D.和Friedman，N.（2009年）。概率图形模型：原理和技术。剑桥：麻省理工学院出版社·Zbl 1183.68483号
[90] Koller，D.和Pfeffer，A.（1997年）。面向对象的贝叶斯网络。摘自：《第13届人工智能不确定性会议论文集》（UAI-97）。
[91] Koller，D.和Pfeffer，A.（1998年）。基于概率框架的系统。摘自：第十五届全国人工智能会议记录（AAAI-98）。
[92] Kschichang，F.R.、Frey，B.J.和Loeliger，H.A.（2001）。因子图和求和算法。IEEE信息理论汇刊，47（2），498-519·Zbl 0998.68234号 ·数字对象标识代码：10.1109/18.910572
[93] Kuwadekar，A.和Neville，J.（2011年）。联合集体分类模型的关系主动学习。摘自：第28届机器学习国际会议（ICML-11）论文集。
[94] Lafferty，J.、McCallum，A.、Pereira，F.（2001）。条件随机场：用于分割和标记序列数据的概率模型。摘自：第18届国际机器学习会议记录（ICML-01）。
[95] Lavrac，N.和Dz，eroski，S.（1993年）。归纳逻辑编程：技术和应用。纽约：劳特利奇。
[96] Lee，S.、Ganapathi，V.和Koller，D.（2006年）。使用L_1正则化的马尔可夫网络的有效结构学习。摘自：《第20届神经信息处理系统年会论文集》（NIPS-06）。
[97] Li，W.J.、Yeung，D.Y.和Zhang，Z.（2009）。概率关系PCA。摘自：神经信息处理系统第23届年度会议记录（NIPS-09）。
[98] B.伦敦。；盖托，L。；Aggarwal，CC（编辑），《网络数据的集体分类》（2013年），柏林
[99] 劳伦索，人力资源部；OC马丁；Stützle，T。；Glover，FW（编辑）；佐治亚州科钦伯格（编辑），《迭代本地搜索》（2003年），柏林·Zbl 1116.90412号
[100] Lowd，D.（2012）。从依赖网络中学习马尔可夫网络的闭合形式。收录：第28届人工智能不确定性会议记录（UAI-12）。
[101] Lowd，D.和Davis，J.（2010年）。用决策树学习马尔可夫网络结构。收录于：第十届IEEE国际数据挖掘会议论文集（ICDM-10）·兹伯利1317.68173
[102] Lowd，D.和Domingos，P.（2007年）。马尔可夫逻辑网络的有效权值学习。摘自：第十一届欧洲数据库知识发现原则与实践会议记录（PKDD-07）·Zbl 1202.68403号
[103] Macskassy，S.和Provost，F.（2007）。网络数据分类：工具包和单变量案例研究。机器学习研究杂志，8935-983。
[104] Maier，M.、Taylor，B.、Oktay，H.和Jensen，D.（2010年）。学习关系域的因果模型。摘自：第24届AAAI人工智能会议记录（AAAI-10）。
[105] Maier，M.、Marazopoulou，K.、Arbour，D.和Jensen，D.（2013年）。一种从关系数据中学习因果模型的完善算法。摘自：《第29届人工智能不确定性会议论文集》（UAI-13）。
[106] Mansinghka，V.、Roy，D.和Goodman，N.（编辑）（2012年）。NIPS概率规划研讨会：基础和应用。
[107] McCallum，A.、Schultz，K.和Singh，S.（2009年）。FACTORIE：通过强制性定义的因子图进行概率编程。摘自：神经信息处理系统第23届年度会议记录（NIPS-09）。
[108] Mihalkova，L.和Mooney，R.J.（2007）。马尔可夫逻辑网络结构的自下而上学习。摘自：第24届国际机器学习会议记录（ICML-07）。
[109] Mihalkova，L.和Mooney，R.J.（2009年）。通过跨关系域映射，从最小目标数据转移学习。摘自：第21届国际人工智能联合会议记录（IJCAI-09）。
[110] Mihalkova，L.和Richardson，M.（2009年）。通过聚类相似的查询文字，加快统计关系学习中的推理。摘自：第19届归纳逻辑程序设计国际会议论文集（ILP-09）·Zbl 1286.68382号
[111] Mihalkova，L.、Huynh，T.和Mooney，R.J.（2007年）。映射和修改马尔可夫逻辑网络以进行转移学习。摘自：第22届AAAI人工智能会议记录（AAAI-07）。
[112] Milch，B.和Russell，S.（2006年）。关系结构上的通用MCMC推理。摘自：第22届人工智能不确定性会议论文集（UAI-06）。
[113] Milch，B.、Marthi，B.、Russell，S.、Sontag，D.、Ong，D.L.和Kolobov，A.（2005）。BLOG：具有未知对象的概率模型。收录于：第19届国际人工智能联合会议论文集（IJCAI-05）。
[114] Milch，B.、Zettlemoyer，L.S.、Kersting，K.、Haimes，M.和Kaelbling，L.P.（2008年）。使用计数公式提升概率推断。摘自：第23届AAAI人工智能会议记录（AAAI-08）。
[115] Mladenov，M.、Ahmadi，B.和Kersting，K.（2012年）。提升了线性规划。摘自：第十五届国际人工智能与统计会议记录（AISTATS-12）。
[116] Mooij，J.和Kappen，B.（2008年）。边际概率分布的界限。摘自：第22届神经信息处理系统年会论文集（NIPS-08）。
[117] Muggleton，S.（1991）。归纳逻辑编程。新一代计算，8（4），295-318·Zbl 0712.68022号 ·doi:10.1007/BF03037089
[118] Muggleton，S.（编辑）。(1992). 归纳逻辑编程。伦敦：学术出版社·Zbl 0838.68093号
[119] Muggleton，S.（1996）。随机逻辑程序。收录于：第六届归纳逻辑编程国际研讨会论文集（ILP-96）·Zbl 1017.68098号
[120] Muggleton，S.和De Raedt，L.（1994）。归纳逻辑程序设计：理论和方法。逻辑编程杂志，19（20），629-679·Zbl 0816.68043号 ·doi:10.1016/0743-1066（94）90035-3
[121] Munoz，D.、Bagnell，J.、Vandapel，N.和Hebert，M.（2009年）。基于函数最大边缘马尔可夫网络的上下文分类。收录：第22届IEEE计算机学会计算机视觉和模式识别会议记录（CVPR-09）。
[122] Murphy，K.P.、Weiss，Y.和Jordan，M.I.（1999）。近似推理的松散信念传播：一项实证研究。摘自：第15届人工智能不确定性会议记录（UAI-99）。
[123] Natarajan，S.、Khot，T.、Lowd，D.、Kersting，K.、Tadepalli，P.和Shavlik，J.（2010）。利用马尔可夫逻辑网络中的因果独立性：结合无向和有向模型。摘自：《欧洲机器学习与数据库知识发现原理与实践会议论文集》（ECML/PKDD-10）。
[124] Natarajan，S.、Khot，T.、Kersting，K.、Gutmann，B.和Shavlik，J.W.（2012年）。基于梯度的统计关系学习提升：关系依赖网络案例。机器学习，86（1），25-56·Zbl 1243.68245号 ·doi:10.1007/s10994-011-5244-9
[125] Nath，A.和Domingos，P.（2010年）。在线概率推理的有效提升。摘自：第24届AAAI人工智能会议记录（AAAI-10）。
[126] Nath，A.和Richardson，M.（2012年）。计算MLN：学习用于决策的关系结构。摘自：第26届AAAI人工智能会议记录（AAAI-12）。
[127] Neville，J.和Jensen，D.（2007年）。关系依赖网络。机器学习研究杂志，8653-692·Zbl 1222.68274号
[128] Niepert，M.（2012年）。置换群轨道上的马尔可夫链。收录：第28届人工智能不确定性会议记录（UAI-12）。
[129] Niepert，M.（2013）。对称感知边缘密度估计。收录：第27届AAAI人工智能会议论文集（AAAI-13）。
[130] Noessner，J.、Niepert，M.和Stuckenschmidt，H.（2013）。RockIt：利用统计关系模型中MAP推理的并行性和对称性。收录：第27届AAAI人工智能会议论文集（AAAI-13）。
[131] Odersky，M.，Altherr，P.，Cremet，V.，Emir，B.，Maneth，S.，Micheloud，S.、Mihaylov，N.、Schinz，M.、Stenman，E.和Zenger，M.（2004）。Scala编程语言概述。瑞士洛桑EPFL技术代表IC/2004/64。
[132] Van Otterlo，M.（2009年）。一阶和关系域中不确定性下的自适应行为-知识表示逻辑和自适应顺序决策算法。阿姆斯特丹：IOS出版社·Zbl 1185.68685号
[133] Paes，A.、Revoredo，K.、Zaverucha，G.和Santos-Costa，V.（2005）。从实例中修正概率一阶理论。摘自：第十五届归纳逻辑程序设计国际会议论文集（ILP-05）·Zbl 1134.68550号
[134] Pearl，J.（1988）。智能系统中的概率推理：似是而非推理网络。圣马特奥：摩根·考夫曼·Zbl 0746.68089号
[135] Pearl，J.（2009）。因果关系：模型、推理和推理（第二版）。纽约：剑桥大学出版社·Zbl 1188.68291号 ·doi:10.1017/CBO9780511803161
[136] Perlich，C.和Provost，F.J.（2003）。基于聚合的特征发明和关系概念类。在：第九届ACM SIGKDD知识发现和数据挖掘会议论文集（KDD-03）·Zbl 1470.68158号
[137] Pfeffer，A.（2007）。带记忆的采样。摘自：第22届AAAI人工智能会议记录（AAAI-07）。
[138] Pfeffer，A.、Koller，D.、Milch，B.和Takusagawa，K.T.（1999）。SPOOK：概率面向对象知识表示系统。摘自：第15届人工智能不确定性会议记录（UAI-99）。
[139] Poole，D.（2003）。一阶概率推理。摘自：第18届国际人工智能联合会议记录（IJCAI-03）。
[140] Poole，D.和Zhang，N.L.（2003年）。在概率推理中利用上下文独立性。人工智能研究杂志，18，263-313·Zbl 1056.68144号
[141] Poon，H.和Domingos，P.（2006年）。可靠且有效的推理，具有概率和确定性依赖性。摘自：《第21届全国人工智能会议论文集》（AAAI-06）。
[142] Poon，H.、Domingos，P.和Sumner，M.（2008）。一种降低关系推理复杂性的通用方法及其在MCMC中的应用。摘自：第23届AAAI人工智能会议记录（AAAI-08）。
[143] Quinlan，J.R.（1990年）。从关系中学习逻辑定义。机器学习，5（3），239-266。
[144] Rabiner，L.R.（1989）。语音识别中隐藏马尔可夫模型和选定应用的教程。IEEE会议录，77（2），257-286·数字对象标识代码：10.1109/5.18626
[145] Rattigan，M.J.、Maier，M.E.和Jensen，D.（2011年）。因果发现的关系阻塞。摘自：第25届AAAI人工智能会议记录（AAAI-11）。
[146] Richards，B.L.和Mooney，R.J.（1992年）。通过寻路学习关系。摘自：第十届全国人工智能会议记录（AAAI-92）。
[147] Richards，B.L.和Mooney，R.J.（1995）。一阶Horn-子句域理论的自动精化。机器学习，19（2），95-131。
[148] Richardson，M.和Domingos，P.（2006年）。马尔可夫逻辑网络。机器学习，62107-136·Zbl 1470.68221号 ·doi:10.1007/s10994-006-5833-1
[149] Riedel，S.（2008）。提高马尔可夫逻辑MAP推理的准确性和效率。摘自：第24届人工智能不确定性会议记录（UAI-08）。
[150] Roy，D.、Mansinghka，V.、Winn，J.、McAllester，D.和Tenenbaum，J.（编辑）（2008年）。NIPS概率规划讲习班：通用语言和推理；系统；和应用程序。
[151] Sarkhel，S.、Venugopal，D.、Singla，P.和Gogate，V.（2014）。提升了马尔可夫逻辑网络的MAP推理。摘自：第17届国际人工智能与统计会议记录（AISTATS-14）。
[152] Schulte，O.（2011）。应用于关系数据的贝叶斯网的易处理伪似然函数。摘自：第十一届SIAM国际数据挖掘会议记录（SDM-11）。
[153] Schulte，O.和Khosravi，H.（2012）。通过格搜索学习关系数据的图形模型。机器学习，88（3），331-368·文件编号：10.1007/s10994-012-5289-4
[154] Schulte，O.、Khosravi，H.和Man，T.（2012年）。学习具有递归依赖的定向关系模型。机器学习，89（3），299-316·Zbl 1260.68343号 ·doi:10.1007/s10994-012-5308-5
[155] Sen，P.、Deshpande，A.和Getoor，L.（2008a）。利用概率数据库中的共享相关性。收录：第34届超大数据库国际会议记录（VLDB-08）。
[156] Sen，P.、Namata，G.M.、Bilgic，M.、Getoor，L.、Gallagher，B.和Eliassi-Rad，T.（2008b）。网络数据中的集合分类。AI杂志，29（3），93-106。
[157] Sen，P.、Deshpande，A.和Getoor，L.（2009年）。基于互模拟的近似提升推理。摘自：《第25届人工智能不确定性会议论文集》（UAI-09）。
[158] Shavlik，J.和Natarajan，S.（2009年）。通过预处理加快马尔可夫逻辑网络中的推理，以减小生成的接地网络的大小。摘自：《第21届国际人工智能联合会议论文集》（IJCAI-09）。
[159] Singla，P.和Domingos，P.（2005）。马尔可夫逻辑网络的判别训练。收录于：《第20届全国人工智能大会论文集》（AAAI-05）。
[160] Singla，P.和Domingos，P.（2006年）。关系域中的记忆效率推理。摘自：《第21届全国人工智能会议论文集》（AAAI-06）。
[161] Singla，P.和Domingos，P.（2008）。提升了一级信念传播。摘自：第23届AAAI人工智能会议记录（AAAI-08）。
[162] Spites，P.、Glymour，C.和Scheines，R.（2001）。因果关系、预测和搜索。剑桥：麻省理工学院出版社·Zbl 0806.62001
[163] Srinivasan，A.（2001）。Aleph手册。http://web.comlab.ox.ac.uk/oucl/research/areas/machlearn/Aleph/
[164] Suciu，D.、Olteanu，D.、Ré，C.和Koch，C.（2011年）。概率数据库。关于数据管理的综合讲座。圣拉斐尔：摩根克莱普尔·Zbl 1237.68012号
[165] Taghipour，N.、Fierens，D.、Davis，J.和Blockel，H.（2012）。具有任意约束的提升变量消除。摘自：第十五届国际人工智能与统计会议记录（AISTATS-12）·Zbl 1272.68397号
[166] Taghipour，N.、Davis，J.和Blockeel，H.（2013a）。一阶分解树。摘自：第27届神经信息处理系统年会论文集（NIPS-13）。
[167] Taghipour，N.、Fierens，D.、Davis，J.和Blockel，H.（2013b）。提升变量消除：将运算符与约束语言解耦。《人工智能研究杂志》，47393-439·Zbl 1272.68397号
[168] Taghipour，N.、Fierens，D.、Van den Broeck，G.、Davis，J.和Blockeel，H.（2013c）。提升变量消除的完整性结果。摘自：第16届国际人工智能与统计会议记录（AISTATS-13）·Zbl 1272.68397号
[169] Taskar，B.（2004）。学习结构化预测模型：大幅度方法。斯坦福大学博士论文。
[170] Taskar，B.、Abbeel，P.和Koller，D.（2002年）。关系数据的判别概率模型。在：第18届人工智能不确定性大会论文集（UAI-02）。
[171] Taskar，B.、Guestrin，C.和Koller，D.（2003年）。最大边际马尔可夫网络。摘自：第17届神经信息处理系统年会论文集（NIPS-03）。
[172] Taskar，B.、Chatalbashev，V.和Koller，D.（2004）。学习联想马尔可夫网络。摘自：《第21届机器学习国际会议论文集》（ICML-04）。
[173] Tierney，L.（1994）。用于探索后验分布的马尔可夫链。《统计年鉴》，22（4），1701-1728·Zbl 0829.62080号 ·doi:10.1214/aos/1176325750
[174] Tsochantaridis，I.、Hofmann，T.、Joachims，T.和Altun，Y.（2004）。支持相互依赖和结构化输出空间的向量机学习。摘自：《第21届机器学习国际会议论文集》（ICML-04）·Zbl 1222.68321号
[175] Van den Broeck，G.（2011年）。提升概率推理一阶知识编译的完备性。摘自：《第25届神经信息处理系统年会论文集》（NIPS-11）。
[176] Van den Broeck，G.和Darwiche，A.（2013年）。提升推理中二元证据的复杂性和近似性。摘自：第27届神经信息处理系统年会论文集（NIPS-13）。
[177] Van den Broeck，G.和Davis，J.（2012年）。一阶知识编译中的条件反射和提升概率推理。摘自：第26届AAAI人工智能会议记录（AAAI-12）。
[178] Van den Broeck，G.、Taghipour，N.、Meert，W.、Davis，J.和De Raedt，L.（2011年）。通过一阶知识汇编提升概率推理。摘自：第22届国际人工智能联合会议记录（IJCAI-11）。
[179] Van den Broeck，G.、Choi，A.和Darwiche，A.（2012年）。提升放松、补偿然后恢复：从近似到精确的提升概率推断。收录：第28届人工智能不确定性会议记录（UAI-12）。
[180] Van den Broeck，G.、Meert，W.和Darwiche，A.（2014）。加权一阶模型计数的Skolemization。摘自：第十四届知识表示与推理原则国际会议论文集（KR-14）。
[181] Venugopal，D.和Gogate，V.（2012年）。关于提升吉布斯采样算法。摘自：第26届神经信息处理系统年会论文集（NIPS-12）。
[182] Wainwright，M.J.、Jaakkola，T.和Willsky，A.S.（2005）。通过树协议进行MAP估计：消息传递和线性规划。IEEE信息理论汇刊，51（11），3697-3717·兹比尔1318.94025 ·doi:10.1109/TIT.2005.856938
[183] Wang，J.和Domingos，P.（2008）。混合马尔可夫逻辑网络。摘自：第23届AAAI人工智能会议记录（AAAI-08）。
[184] Wei，W.、Erenrich，J.和Selman，B.（2004）。走向高效采样：利用随机行走策略。摘自：第19届全国人工智能会议记录（AAAI-04）。
[185] Weiss，D.和Taskar，B.（2010年）。结构化预测级联。摘自：第13届国际人工智能与统计会议记录（AISTATS-10）。
[186] Wellman，M.P.、Breese，J.S.和Goldman，R.P.（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
[187] Wu，M.和Schölkopf，B.（2007）。通过局部学习正则化的传递性分类。摘自：第十一届国际人工智能与统计会议记录（AISTATS-07）。
[188] Xu，Z.、Kersting，K.和Tresp，V.（2009）。高斯过程的多关系学习。摘自：第21届国际人工智能联合会议记录（IJCAI-09）。
[189] Yanover，C.、Meltzer，T.和Weiss，Y.（2006）。线性规划松弛与信念传播——一项实证研究。机器学习研究杂志，7，1887-1907·Zbl 1222.90033号
[190] Yedidia，J.S.、Freeman，W.T.和Weiss，Y.（2001）。理解信念传播及其推广。摘自：第17届国际人工智能联合会议记录（IJCAI-01）。
[191] Zhang，N.L.和Poole，D.（1994）。贝叶斯网络计算的简单方法。收录：第十届加拿大人工智能会议进程。
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。