馬爾可夫邏輯網(wǎng)在基于信任的推薦系統(tǒng)與中文時間關(guān)系識別中的應(yīng)用.pdf

1、將概率圖模型和一階邏輯理論結(jié)合在一起，并用單一的簡單形式表述是人工智能長久以來的一個目標，我們可以使用概率圖模型來高效的處理不確定事務(wù)，還可以用一階邏輯簡潔的表示整個世界。在很多實際應(yīng)用中，我們同時需要將這二者統(tǒng)一。馬爾可夫邏輯網(wǎng)(Markov Logic Networks，MLN)便是這樣一種簡潔而又功能強大的語言，它很好的將概率圖模型和一階邏輯結(jié)合在一起。近幾年，馬爾可夫邏輯網(wǎng)已經(jīng)成為人工智能領(lǐng)域研究的一個熱點，在社會關(guān)系學、生物學

2、、計算機科學等領(lǐng)域有著廣泛的應(yīng)用。
　　 本文的重點研究對象是馬爾可夫邏輯網(wǎng)理論知識系統(tǒng)及其在基于信任的推薦系統(tǒng)和中文時間關(guān)系識別中的應(yīng)用，本文的主要工作與研究成果如下：
　　 ①研究了Markov邏輯網(wǎng)相關(guān)的理論知識系統(tǒng)
　　 介紹統(tǒng)計關(guān)系學習相關(guān)的背景知識，包括其概念、方法和應(yīng)用領(lǐng)域；然后介紹了Markov邏輯網(wǎng)和相關(guān)的概念，包括一階邏輯、Markov網(wǎng)，討論了Markov邏輯網(wǎng)的權(quán)值學習算法和推理算法。

3、r>　　 ②將Markov邏輯網(wǎng)應(yīng)用到基于信任的推薦系統(tǒng)中
　　 將信任引入到推薦系統(tǒng)中，能在一定程度上解決基于協(xié)同過濾的推薦系統(tǒng)中存在的冷啟動、數(shù)據(jù)稀疏性和“托”攻擊等問題，然而信任是一個復(fù)雜的概念，對信任進行傳播和預(yù)測決定著推薦系統(tǒng)的好壞。本文根據(jù)信任的傳遞性質(zhì)，提出利用Markov邏輯網(wǎng)構(gòu)建信任傳播模型并進行信任關(guān)系預(yù)測，實驗結(jié)果表明，在基于信任的推薦系統(tǒng)中Markov邏輯網(wǎng)方法比MoleTrust方法在推薦精度和解決冷

4、用戶問題上有更好的效果。
　　 ③將Markov邏輯網(wǎng)應(yīng)用到中文時間關(guān)系識別中
　　 中文時間關(guān)系識別是中文語義信息處理中的一項基本任務(wù)，傳統(tǒng)的機器學習方法解決時間關(guān)系識別被看做是一種局部的分類方法，本文提出利用Markov邏輯網(wǎng)來解決中文時間關(guān)系識別問題，根據(jù)局部特征和全局特征構(gòu)建了相應(yīng)的Markov邏輯網(wǎng)模型，實驗結(jié)果表明全局Markov邏輯網(wǎng)模型要優(yōu)于基于最大熵時間關(guān)系識別方法。
　　 基于以上的研究可知，