基于马尔科夫逻辑网络的实体解析技术研究及系统实现

发布时间：2021-10-12 11:57

　　现实中碰到的人工智能问题,往往面临两方面挑战,即处理复杂性和不确定性问题。如何较好地同时处理这两方面问题,一直以来是人工智能界的核心问题之一。马尔科夫逻辑网络的提出正是为了满足这两方面的需求。马尔科夫逻辑网络是将一阶谓词逻辑与概率图模型相结合,以获取关系数据中的似然模型。当前,国际人工智能界普遍公认MLNs是一种简单且较完美地结合一阶谓词逻辑和概率图模型的逻辑结构表达方式,具有重要的研究价值和广阔的应用前景,已成为人工智能、机器学习、数据挖掘等领域的研究热点。本文重点研究了马尔科夫逻辑网络的理论体系,同时详细介绍了基于马尔科夫逻辑网络的实体解析算法及其改进算法,并且讨论了其系统实现。主要工作如下:（1）详细的剖析了马尔科夫逻辑网络的理论体系,包括马尔科夫逻辑网络的定义、马尔科夫逻辑网络中最大可能性问题、条件概率和边缘概率、参数学习、结构学习;（2）描述了基于马尔科夫逻辑网络的实体解析模型。它在原有的一阶逻辑体系中引入了等价谓词,从而移除了“名字唯一性”假设。随后根据引入的等价谓词定义了在马尔科夫逻辑网络中实体解析问题的形式化表示。随后,简单介绍了Fellegi-Sunter实体解析模型... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景
        1.1.1 简介
        1.1.2 实体解析的概念与内容
    1.2 马尔科夫逻辑网络在国内外研究进展
    1.3 本文主要研究内容
    1.4 本章小结
第2章 马尔科夫逻辑网络综述
    2.1 马尔科夫网络
    2.2 一阶逻辑
    2.3 马尔科夫逻辑网络
    2.4 马尔科夫逻辑网络的推理
        2.4.1 最大可能性推理
        2.4.2 边缘概率和条件概率
    2.5 马尔科夫逻辑网络的学习
        2.5.1 结构学习
        2.5.2 参数学习
    2.6 本章小结
第3章 基于马尔科夫逻辑网络的实体解析算法
    3.1 等价谓词
    3.2 基于马尔科夫逻辑网络的实体解析问题的形式化表示法
    3.3 域的比较
    3.4 Fellegi-Sunter模型
    3.5 关系模型
    3.6 基于关系模型的推理
    3.7 本章小结
第4章 基于马尔科夫逻辑网络的实体解析改进算法
    4.1 原始算法存在的问题
    4.2 引入新规则
    4.3 新规则的权重
    4.4 改进原始算法
    4.5 实验结果及分析
        4.5.1 实验及实验结果
        4.5.2 实验结果分析
        4.5.3 未来工作
    4.6 本章小结
第5章 系统架构、实现与使用
    5.1 需求分析
    5.2 架构设计
    5.3 主要类与数据结构
    5.4 系统使用说明
        5.4.1 规则的表示
        5.4.2 输入文件
        5.4.3 学习权重
        5.4.4 进行推理
    5.5 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读硕士学位期间主要的研究成果
致谢


【参考文献】：
期刊论文
[1]统计关系学习研究进展[J]. 刘大有,于鹏,高滢,齐红,孙舒杨.  计算机研究与发展. 2008(12)
[2]统计关系学习模型Markov逻辑网综述[J]. 孙舒杨,刘大有,孙成敏,黄冠利.  计算机应用研究. 2007(02)



本文编号：3432532