关系马尔可夫网综述  

Survey of Relational Markov Networks

作　　者：刘智祥[1,2] 刘大有[1,2] 刘曜[1] 高俊华[1] 李景亮[1] 

机构地区：[1]吉林大学计算机科学与技术学院,长春130012 [2]吉林大学符号计算与知识工程教育部重点实验室,长春130012

出　　处：《计算机科学》2008年第11期32-35,共4页Computer Science

基　　金：国家自然科学基金资助项目(60573073);国家"863"计划资助项目(2003AA118020);吉林省科技发展计划重大资助项目(20020303)

摘　　要：统计关系学习是人工智能领域一个新的研究方向。它通过概率推理模型与逻辑的结合,或概率推理模型与关系模式的结合,来达到更高的预测或分类的准确度。它在机器学习和数据挖掘领域具有广泛的应用前景。详细介绍了一种重要的统计关系模型———关系马尔可夫网的理论模型,并总结关系马尔可夫网当前的研究现状,分析了关系马尔可夫网目前存在的问题以及未来的研究方向。Tatistical relational learning is a new field of artificial intelligence research. Through the combination of probabilistic inference model and logic, or the combination of probabilisfic inference model and relational schema, it aims to achieve greater accuracy of prediction or classification. Statistical relational learning has broad prospects in ma- chine learning and data mining areas. This paper is a survey of the theory of an important one of statistical relational learning models-Relational Markov Networks. Summarized present research circumstances and analized existing problems and future research directions of it.

关 键 词：关系马尔可夫网 统计关系学习 马尔可夫网 机器学习 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] O211.62[自动化与计算机技术—计算机科学与技术]