融合一阶知识编译与提升联结树算法
人工智能
2018-07-03 v1
摘要
针对带有一阶构造的概率形式化系统进行推理的标准方法包括用于单查询的提升变量消去（LVE），以及基于加权模型计数的首阶知识编译（FOKC）。为了高效处理多个查询，提升联结树算法（LJT）使用模型的一阶簇表示，并将 LVE 作为其计算中的子程序。对于某些输入，LVE 的实现以及随之而来的 LJT 会对模型的部分进行接地，而 FOKC 在此类情况下可进行提升式运行。本文旨在将 LJT 打造为提升推理的骨干，并允许使用任意精确推理算法作为子程序。在 LJT 中使用 FOKC 使得我们对于某些输入能够比 LJT、LVE 和 FOKC 更快地计算出答案。
引用
@article{arxiv.1807.00743,
title = {Fusing First-order Knowledge Compilation and the Lifted Junction Tree Algorithm},
author = {Tanya Braun and Ralf Möller},
journal= {arXiv preprint arXiv:1807.00743},
year = {2018}
}
备注
Accepted at the Eighth International Workshop on Statistical Relational AI, a version is to appear in the Proceedings of the KI-18: Advances in AI