关于未建模概念的推理——在概率关系模型中引入类分类体系
人工智能
2015-04-22 v1
摘要
一阶概率方法应用中的一个关键问题是其所隐含的图形模型的巨大规模。该规模源于由对象和关系域生成的可能世界。这种爆炸式增长的原因之一是，迄今为止的方法未能充分利可能世界中的结构和相似性，以便更紧凑地编码模型。我们提出在马尔可夫逻辑网络中进行模糊推理，这使得可以将分类知识作为对可能世界施加结构的来源。我们证明，通过利用这种结构，概率分布可以更紧凑地表示，并且推理系统能够推理概率知识库中未包含的概念。
引用
@article{arxiv.1504.05411,
title = {Reasoning about Unmodelled Concepts - Incorporating Class Taxonomies in Probabilistic Relational Models},
author = {Daniel Nyga and Michael Beetz},
journal= {arXiv preprint arXiv:1504.05411},
year = {2015}
}