【摘 要】
：
当今社会是网络信息时代,越来越多的社会网络关系数据被收集,从这些关系数据中发现有用的知识变的越来越重要。Markov逻辑网就是一种能有效处理关系型数据的模型。Markov逻辑
论文部分内容阅读
当今社会是网络信息时代,越来越多的社会网络关系数据被收集,从这些关系数据中发现有用的知识变的越来越重要。Markov逻辑网就是一种能有效处理关系型数据的模型。Markov逻辑网本质上是公式附加权值的一阶逻辑知识库,是模板化的Markov网：Markov逻辑网将领域知识引入Markov网,为大型Markov网提供一种简洁的描述语言,为一阶逻辑增加了不确定性处理能力；Markov逻辑网还可以作为很多统计关系学习任务的统一框架。本文对Markov逻辑网的学习方法及其在社会网络中的应用进行了研究。Markov逻辑网的学习包括结构学习和参数学习两个阶段。结构学习方面重点研究了Top-down与Bottom-up两种构建网络结构的策略,在参数学习方面可以采用判别式训练和最大伪后验概率估计等多种方法。在参数学习过程中,需要使用最优化算法(最速下降法、对角牛顿法等)与近似概率推理算法(MaxWalkSat算法、MC-SAT抽样法等)相结合的方式对模型的目标函数进行优化。本文对Markov逻辑网学习中的各种算法进行了组合比较,力求找出一种学习效率最高的组合方式。另外,本文还提出了一种量化共轭梯度最优化方法,它使用Hessian矩阵替代一维搜索来计算共轭梯度法迭代过程中的步长,以加快算法的收敛速度。本文最后采用Markov逻辑网在UW-CSE数据集上建立Markov逻辑网链接预测模型,并采用各种学习算法来进行模型学习,然后对不同的算法组合的实验结果进行比较,得出了最佳的求解Markov逻辑网的算法组合方式。
其他文献
由于人们对信息安全的逐步重视,加解密技术一直是研究的热点。各种加密算法相继问世,但加解密算法的安全性与复杂性始终是两个不可调和的矛盾体,在加解密速度和安全性上无法
源于人工智能领域语音处理技术的飞速发展,人们希望可以和机器进行更自然、贴切的交流。语音情感识别是继语音识别之后,人机交互中的又一热点问题,得到了研究者们广泛的关注
随着现代社会的快速发展及互联网应用越来越广泛，每天所产生的信息量也在急剧的增加，特别是网络数据每天都在指数倍的增加。面对这些实际存在的数据，如何从中获得对人们有用的知
随着虚拟集群中虚拟机数目的增加,单个虚拟机的出错往往会使得整个虚拟集群失效的概率也随之增加。因此,提高虚拟集群的可靠性,为其提供容错支持,在错误发生时保证程序运行的
随着计算机技术及人工智能的发展,计算机组卷系统的研究逐渐被越来越多的专家学者所注意,一套计算机组卷系统能够让教师在较短的时间内轻松完成试题的选择,组卷,排版等工作。
XML文档的应用日益广泛,而其中的XML解析技术是XML应用的关键。如何正确、高效地解析XML数据非常重要,尤其是对于要处理大量数据的应用程序。不合适的解析会导致过度的内存消
近年来,由于硬件技术的发展,硬件成本逐渐降低,具有低功耗、自组织、可靠性、分布式的无线传感器网络WSN(Wireless Sensor Network)获得了人们的广泛关注。在无线传感器网络
随着图像传感器技术的发展,图像处理技术的应用也越来越广泛。同一光学传感器在对同一场景成像时,要使场景中所有目标都聚焦清晰是很困难的。这一问题可以通过图像融合技术来
从当前大量发表的论文来看,国内外现有的文本信息隐藏技术在水印容量、隐蔽性、鲁棒性、安全性之间普遍存在着不可平衡的矛盾且国内外的研究主要是基于英文文本格式的信息隐
众所周知,在人们的日常工作以及娱乐生活,信息传递等方面,视频发挥着举足轻重的作用。视频是由多帧图像组合而成,如果在视频传输的过程中直接对视频图像进行编码传输,这样极