马尔可夫逻辑网络

 马尔可夫逻辑网络（MLNs）是一种在有限领域将一阶逻辑和概率结合起来的简单方法。一个马尔科夫逻辑网通过一阶逻辑知识库的规则（或条款）的权重来获得，可看作构建一般马尔科夫网络的模板，知识库中每个可能的基本规则都会产生一个特性。推理需对回答查询所需最小子集进行基本化，再由MaxWalkSat确定初始状态，然后通过吉布斯采样法对这个子网进行采样来实现。权重是通过使用L-BFGS算法的优化拟似然法学习的，而规则我们使用CLAUDIEN系统来学习。大学领域的真实世界数据的测试结果显示了马尔科夫逻辑网的前景。马尔科夫逻辑网学习和推理的源代码可在链接http://www.cs.washington.edu/ai/alchemy中找到。

课参考http://blog.sina.com.cn/s/blog_70556d100100n5xk.html