SPOOK：一个面向概率对象知识表示的系统
人工智能
2013-01-30 v1
摘要
在先前的工作中，我们指出了标准贝叶斯网络作为大型复杂领域建模框架的局限性。我们提出了一种新的、结构丰富的建模语言——面向对象贝叶斯网络（Object-oriented Bayesian Networks），并论证其能够处理此类领域。然而，事实证明 OOBN 的表达能力不足以对复杂领域的许多有趣方面进行建模：特定命名对象的存在、对象间的任意关系以及领域结构的不确定性。这些方面在诸如战场态势感知等现实世界领域中至关重要。本文中，我们介绍了 SPOOK，一个已实现的系统，旨在解决这些局限性。SPOOK 实现了一种更具表达力的语言，使其能够自然且紧凑地表示战场空间领域。我们提出了一种从根本上利用模型结构的新型推理算法，并通过实验证明，与现有方法相比，它实现了数量级的加速。
引用
@article{arxiv.1301.6733,
title = {SPOOK: A System for Probabilistic Object-Oriented Knowledge Representation},
author = {Avi Pfeffer and Daphne Koller and Brian Milch and Ken T. Takusagawa},
journal= {arXiv preprint arXiv:1301.6733},
year = {2013}
}
备注
Appears in Proceedings of the Fifteenth Conference on Uncertainty in Artificial Intelligence (UAI1999)