马尔可夫逻辑网络 python Pracmln库实战

最新推荐文章于 2022-05-31 10:52:58 发布

VIP文章 nodyyu89

最新推荐文章于 2022-05-31 10:52:58 发布

阅读量2.1k

点赞数 8

文章标签：马尔可夫逻辑网络统计关系学习例子链接预测 Pracmln

本文链接：https://blog.csdn.net/nodyyu89/article/details/88383965

版权

马尔可夫逻辑网络 python Pracmln 试用

马尔可夫逻辑网络介绍

一阶逻辑知识库是一阶逻辑公式所构成的集合,亦可看作施加于可能世界集合上的限制集合。在传统的一阶逻辑知识库中,每个可能世界必须满足知识库中的所有公式,否则该世界不可能存在的, 这致使人们很难在实际充满不确定性的世界中进行推理。

马尔可夫逻辑网的基本思想是将一阶逻辑的限制放松,即一个可能的世界中，它违反公式越多,其世界发生概率越小,但未必为零。

用公式权值来表示公式限制强度的大小,权值越大,满足该公式世界的发生概率越高，也与不满足该公式世界的发生概率之间的差就越大。

参考文献

https://homes.cs.washington.edu/~pedrod/papers/aaai06c.pdf 论文, 内含公式和简例
https://image.hanspub.org/pdf/SEA20150300000_13676271.pdf Markov逻辑网研究综述
https://homes.cs.washington.edu/~pedrod/papers/mlj05.pdf 华盛顿大学Markov逻辑网原理论文
http://www.pracmln.org/ Pracmln 库的文档
http://aiweb.cs.washington.edu/ai/mln/database.html 大型学生老师关系预测数据集Pracmln
http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y1781489 Markov逻辑网及其在社会网络中的应用研究胡谦谦

安装使用

在windows 的中, 先安装好python 2.7 或 3.5环境, 及pip install 功能
用管理员权限, 以管理员身份打开cmd(Commend Prompt), 输入

pip install pracmln

然而, pracmln 中用到 dnutils库, 而dnutils库中某些函数在windows中没法使用,
参见 https://github.com/danielnyga/pracmln/issues/18

因此, 有以下解决方法:

安装以前的pracmln版本:

即以管理员身份打开cmd(Commend Prompt), 输入:

pip install pracmln==1.2.2

安装kaivalyar github主的 pracmln库 https://github.com/kaivalyar/pracmln (非必须)

先下载解压文件, 再进行安装:

cd pracmln-gsoc18-cython路径
python setup.py install

再安装dnutils 库

pip install dnutils

注: kaivalyar github主的 pracmln库用了 Cython 改写, 运算速度增加了15-25%, 亲测真实, 参见
https://kaivalyar.github.io/gsoc18-pracmln/

(不建议但有效) 手动删去致使程序错误的代码, 并保存运行:

安装完 dnutils 库后, 在dnutils库的安装位置中, 打开 signals.py 档案, 修改成以下内容:

import signal as signal_
import threading
from collections import defaultdict

__usrreg = defaultdict(list)
__sysinit = defaultdict(list)
__systerm = defaultdict(list)

SIGINT = signal_.SIGINT
SIGTERM = signal_.SIGTERM
#SIGKILL = signal_.SIGKILL
SIGABRT = signal_.SIGABRT
#SIGALRM = signal_.SIGALRM
#SIGBUS = signal_.SIGBUS
#SIGCHLD = signal_.SIGCHLD
#SIGCLD = signal_.SIGCLD
#SIGCONT = signal_.SIGCONT
SIGFPE = signal_.SIGFPE
#SIGHUP = signal_.SIGHUP
SIGILL = signal_.SIGILL
SIGINT = signal_.SIGINT
#SIGIO = signal_.SIGIO
#SIGIOT = signal_.SIGIO
#SIGKILL = signal_.SIGKILL
#SIGPIPE = signal_.SIGPIPE
#SIGPOLL = signal_.SIGPOLL
#SIGPROF = signal_.SIGPROF
# ============================================================================
#SIGPWR = signal_.SIGPWR
#SIGQUIT = signal_.SIGQUIT
#SIGRTMAX = signal_.SIGRTMAX
#SIGRTMIN = signal_.SIGRTMIN
SIGSEGV = signal_.SIGSEGV
#SIGSTOP = signal_.SIGSTOP
#SIGSYS = signal_.SIGSYS
SIGTERM = signal_.SIGTERM
#SIGTRAP = signal_.SIGTRAP
#SIGTSTP = signal_.SIGTSTP
#SIGTTIN = signal_.SIGTTIN
#SIGTTOU = signal_.SIGTTOU
#SIGURG = signal_.SIGURG
#SIGUSR1 = signal_.SIGUSR1
#SIGUSR2 = signal_.SIGUSR2
#SIGVTALRM = signal_.SIGVTALRM
#SIGWINCH = signal_.SIGWINCH
#SIGXCPU = signal_.SIGXCPU
#SIGXFSZ = signal_.SIGXFSZ
# =============================================================================

_lock = threading.Lock()


def _run_handlers(signal, args):
    '''Executes all handlers that are registered for the given
    siganl in the order of registration.'''
    # run system handlers for preparing the signal handling
    for handler in __sysinit[signal]:
        handler(*args)
    # run user defined signal handlers
    for handler in __usrreg[signal]:
        handler(*args)
    # run system handlers for cleaning up the signal handling
    for handler in __systerm[signal]:
        handler(*args)


def add_handler(signal, handler):
    '''
    Add a handler to be executed on the signal ``signal``

    :param signal:  the signal to react to.
    :param handler: a callable that will be called on the signal.
    :return:
    '''
    _add_handler(signal, handler, __usrreg)


def _add_handler(signal, handler, registry):
    '''
    Add a handler to be executed on the signal ``signal``

    :param signal:  the signal to react to.
    :param handler: a callable that will be called on the signal.
    :return:
    '''
    with _lock:
        handlers_ = registry[signal]
        if not handlers_:
            signal_.signal(signal, lambda *args: _run_handlers(signal, args))
        if handler not in handlers_:
            handlers_.insert(0, handler)


def rm_handler(signal, handler):
    '''
    Remove a handler if it is registered to the given signal.
    :param signal:  the signal that the handler is registered for
    :param handler: the handler function.
    :return:
    '''
    _rm_handler(signal, handler, __usrreg)


def _rm_handler(signal, handler, registry):
    '''
    Remove a handler if it is registered to the given signal.
    :param signal:  the signal that the handler is registered for
    :param handler: the handler function.
    :return:
    '''
    with _lock:
        try:
            registry[signal].remove(handler)
        except ValueError:
            pass


def keyint(*_):
    raise KeyboardInterrupt()


def enable_ctrlc():
    '''
    Allows to interrupt the main thread by pressing Ctrl-C.
    :return:
    '''
    _add_handler(SIGINT, keyint, __systerm)


def disable_ctrlc():
    '''
    Disables interruption of the main thread by the Ctrl-C key combination.
    :return:
    '''
    _rm_handler(SIGINT, keyint, __systerm)

示例问题描述: 社会链接预测应用

链接预测是以它所链接的社会主体(例如人, 公司, 组织), 和该社会主体已观测到的社会链接关系为条件, 来预测它与其他社会主体的某社会链接或社会关系是否存在。如判断两个社会主体是否存在朋友关系,两者是否会共同参与同一项活动等等。进而在有限的社会讯息中, 估算社会规模及其潜在隐藏的互动关系

利用 Pracmln 库的帮助, 我们首先建立以一阶逻辑所描绘的社会互动关系现象和假设:

data.txt:

data ###

Cancer(Alex)
!Cancer(Douglas)
!Cancer(Nixon)
Friends(Alex,Nixon)
Smokes(Alex)

在data.txt中,
Cancer(Alex) 指 Alex是Cancer的子集, 即Alex患上癌症;
!Cancer(Douglas) 指 Douglas不是Cancer的子集, 即Douglas没有患上癌症;
Friends(Alex,Nixon) 指 Alex 和 Nixon是Friends的二元子集, 即 Alex 和 Nixon存在朋友关系;
Smokes(Alex) 指 Alex有抽烟习惯

predicate.txt:

Cancer(person)
Friends(person,person)
Smokes(person)

谓词命名, 及谓词内变量命名

formula.txt:

Smokes(x) => Cancer(x)
Friends(x,y) => (Smokes(x) <=> Smokes(y))

在formula.txt中, 我们把对社会互动关系的假设和已有或未知真实程度的现象, 以一阶逻辑形式表示:

Smokes(x) => Cancer(x) 指如果 x 有抽烟习惯, 则 x 患上癌症
Friends(x,y) => (Smokes(x) <=> Smokes(y)) 指如果 x 和 y 是朋友关系, 则 x 有抽烟习惯当且仅当 y 有抽烟习惯

在还没有接受数据 data.txt 的训练前, 我们将假定以上公式权重為零, 在训练后补上相应权重。一般而言, 如果data.txt 中的证据越是和公式一致, 其公式权重越高。

推理求解的命题:

Smokes(NIXON)

即在已知事实和相关社会假设下求解, Nixon 有抽烟习惯的概率

代码演示

@author: Alex Yu
"""

import os
import sys
from pracmln.utils.project import PRACMLNConfig
from pracmln.utils import config, locs
from pracmln.utils.config import global_config_filename
import os
from pracmln.mlnlearn import MLNLearn
from pracmln import MLN, Database, query


class social_modelling():

    def read_data(paths, predicate):      # 读txt数据用
        content = []
        base_path = os.getcwd()
        file = open(base_path + '\\' + paths,'r',encoding = 'utf8')
        pre_content = file.read()
        pre_content = pre_content.split('###')
        pre_content = [x for x in pre_content if x !='']
        for i in pre_content:
            element = i.split('\n')
            element = [x.replace(':','_') for x in element if x !='']
            for j in element[1::]:
                splited = j.split('(')
                content.append((element[0],splited[0]+'('+splited[1].upper()))    
                # pracmln 要求 证据数据库db中的格式為 Predicate(CONTANT_1), 即谓语首字及谓语内
                # 变量contant首字為大写, 还有不可以有空格. 这里单纯方便而把变量大写
                # 另外暂不支持中文输入.        
        return content
    
    def read_formula(paths,predicate):
        predicate_list = [x.split('('

最低0.47元/天解锁文章

nodyyu89

关注

8
点赞
踩
16

收藏

觉得还不错? 一键收藏
2
评论
马尔可夫逻辑网络 python Pracmln库实战

马尔可夫逻辑网络 python Pracmln 试用欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图...
复制链接

扫一扫