通过程序特化提高概率逻辑模型近似推理的效率

我们考虑使用概率逻辑模型执行概率推理的任务。许多用于此类模型的近似推理算法基于采样。从逻辑编程的角度来看，采样归结为在由静态部分和动态部分组成的知识库上重复调用相同的查询。静态部分越大，这些重复调用中的冗余就越多。这是有问题的，因为低效的采样会导致较差的近似。我们展示了如何应用逻辑程序特化来提高基于采样的推理的效率。我们开发了一种算法，该算法针对知识库的静态部分特化查询谓词的定义。在真实世界数据的实验中，我们获得了高达一个数量级的加速，并且这些加速随着数据规模的增长而增加。