用于带存在量词的提升推理的域递归

在最近的工作中，我们证明了域递归推理规则使得在若干关系概率模型（RPM）上进行域提升推理成为可能，而这些模型已知的最佳时间复杂度曾是指数级的。我们还确定了两类RPM，在使用域递归时推理变为域提升的。这两类包含了先前已知的最大提升类。在本文中，我们展示域递归也可应用于带存在量词的模型。当前，所有提升推理算法都假设存在量词已在预处理中通过斯科伦化被移除。我们表明，除了引入潜在不便的负权重外，斯科伦化可能增加推理的时间复杂度。我们给出两个示例模型，其中域递归可替代斯科伦化，避免处理负数的需要，并降低推理的时间复杂度。这两个例子在三个理论方面可能令人感兴趣：1-它们提供对域递归以及一般而言（提升）推理更好更深入的理解，2-它们可作为证据表明确实存在更大的模型类，域递归能令人满意地替代斯科伦化，3-它们可作为存在更好斯科伦化技术的证据。