RockIt：利用并行性与对称性进行统计关系模型的 MAP 推断
人工智能
2013-05-01 v2
摘要
RockIt 是一个用于统计关系模型的最大后验（MAP）查询引擎。图模型中的 MAP 推断是一个优化问题，可以将其编译为整数线性规划（ILP）。我们描述了将 MAP 查询转化为 ILP 实例的若干进展，并提出了新颖的割平面聚合（CPA）元算法。CPA 利用局部上下文特定的对称性，并将线性约束集合打包。由此产生的计数约束使得 ILP 更加紧凑，并使最先进的 ILP 求解器能更明确地识别基座模型的对称性。此外，RockIt 利用无处不在的共享内存多核架构，并行化了 MAP 推断流程的大部分环节。我们报告了基于 Markov 逻辑网络（MLN）基准的广泛实验，结果表明，无论在效率还是结果质量上，RockIt 均优于最先进的系统 Alchemy、Markov TheBeast 和 Tuffy。
引用
@article{arxiv.1304.4379,
title = {RockIt: Exploiting Parallelism and Symmetry for MAP Inference in Statistical Relational Models},
author = {Jan Noessner and Mathias Niepert and Heiner Stuckenschmidt},
journal= {arXiv preprint arXiv:1304.4379},
year = {2013}
}
备注
To appear in proceedings of AAAI 2013