概率约束逻辑编程
cmp-lg
2007-05-23 v1 计算与语言
摘要
本文解决了两个核心问题：从不完整数据进行参数估计以及高效检索最可能的分析。这两个问题仅在概率正则模型和上下文无关模型中得到令人满意的答案。我们为更具表达力的概率约束逻辑编程模型解决这些问题。我们提出了概率约束逻辑编程的对数线性概率模型。在此模型之上，我们定义了一个算法，用于从不完整数据中估计参数并选择对数线性模型的属性。该算法是 Della-Pietra、Della-Pietra 和 Lafferty（1995）改进迭代缩放算法的扩展。我们的算法适用于一般对数线性模型，并在应用于大数据空间时伴随适当的近似方法。此外，我们提出了一种方法用于搜索概率约束逻辑编程模型的最可能分析。该方法可用于自然语言处理应用中的歧义解决问题。
引用
@article{arxiv.cmp-lg/9711001,
title = {Probabilistic Constraint Logic Programming},
author = {Stefan Riezler},
journal= {arXiv preprint arXiv:cmp-lg/9711001},
year = {2007}
}
备注
35 pages, uses sfbart.cls