关系马尔可夫网综述

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。

基于最大间隔马尔可夫网模型的汉语分词方法

分词是汉语自然语言处理研究中非常重要的一个环节,在早先的研究中,最大熵模型和条件随机场(CRF)模型已经广泛运用到汉语自动分词的工作中。最大间隔马尔可夫网(M3N)模型是近年来由B.Taskar等[1]人提出的一种新型结构学习模型。该文尝试将这一模型用于汉语分词建模并进行实验,实验结果显示,基于给定的训练语料与测试语料,分词精度可以达到95%,表明基于最大间隔马尔科夫网的汉语分词方法可以取得较高的分词精度,是一种有效的汉语分词方法。

基于马尔可夫逻辑网的联合推理开放信息抽取

在自然语言处理的几个子任务上,传统的方法都是分而治之,例如分词、句法分析、命名实体识别、实体关系识别等。但是,孤立地分析和处理这些子任务会丢失一些彼此之间的内在联系,而这些子任务之间的内在联系往往会对每个子任务有很大帮助。所以,有人提出用联合集成式的模型,从整体上解决这些问题。但是,这些模型都只针对特定领域内的数据进行处理,还未能对开放式的信息进行处理。因此,提出了基于马尔可夫逻辑网的联合推理模型来处理开放式信息抽取(Open IE)。经过大量的实验证明,该模型的执行效率明显高于传统的模型。同时,该模型的适应性更好。

基于非马尔可夫随机Petri网的软件再生建模与分析

软件老化是影响软件系统可靠性的重要潜在因素,软件再生作为一种主动预防性的软件容错技术是解决软件老化问题的主要手段.以往的随机Petri网再生模型假定所有变迁的实施时间服从指数分布.针对变迁的实施时间服从确定性分布或一般性分布的情况,文中提出了一种用非马尔可夫随机Petri网建立软件再生模型的方法.该方法采用马尔可夫再生理论对模型进行分析,并给出模型的瞬态解和稳态解.仿真实验表明:选择合适的软件再生周期,可以有效地降低存在老化的软件系统的平均宕机成本,提高系统的可用性和可靠性.

基于多重马尔可夫Bayes网的软件失效预测模型

软件开发的复杂性决定了理想的软件可靠性模型既应具有包容众多复杂因素的能力,又要有构造灵活的功能。迄今为止,人们提出的众多模型,由于设定了很多近乎苛刻的条件,使它们难以具有普适性。Bayes网提供了解决这一问题的有力工具,论文就利用多重马尔可夫Bayes网建立起基于Bayes网的软件失效预测模型,并对此进行了详细的分析,给出了模型的求解步骤。最后,通过实例验证了该模型的有效性。

基于补充变量的非马尔可夫随机Petri网及其应用

针对非马尔可夫随机Petri网提出了一种补充变量引入疗法,使其适合于系统共享维修资源情况下的可靠性分析。研究了基于补充变量的非马尔可夫随机Petri网的分析方法,以一并行系统为例说明该方法的建模过程、求解方法以及可靠性指标表达式,并以指数分布为例进行了方法验证,验证表明该方法是可性的。

非马尔可夫随机Petri网的分析方法及应用

Petri网是模型并行系统和分布式系统的一种强有效的形式化工具。它能够很好地刻画系统的动态行为、分析系统的性能。目前研究的大多数随机Petri网假定模型中所有变迁的实施时间呈指数分布,但是在许多实际系统中,变迁的实施时间呈确定性分布或一般性分布,这就需要研究非马尔可夫模型。文章主要讨论非马尔可夫随机Petri网的分析技术,即基于马尔可夫再生理论进行分析求解,并举例进行说明,在文章的最后进行了总结和展望。

领域知识学习中的马尔可夫逻辑网应用研究

现有的知识学习多基于统计方法,常常忽略了知识间的关系以及随时间的变化情况,在应用效果方面往往差强人意。如何准确把握知识间的统计关系,进行正确的知识学习,成为知识研究的一个重点和难点。近几年,随着统计关系学习研究的兴起,结合概率图模型和一阶逻辑理论的马尔可夫逻辑网被成功应用于自然语言处理、机器学习、社会关系分析等领域中。基于马尔可夫逻辑网技术,提出一种知识学习方法,在传统知识获取方法的基础上,引入一阶逻辑来学习知识间的关系,进行逻辑推理。在文本分类的应用实验中,通过对分类知识学习,与传统的SVM相比,所提出方法的准确率提高10%左右。

基于知识图谱及马尔可夫逻辑网的企业画像技术研究

本文对企业知识库构建了企业知识库模式图,利用马尔可夫逻辑网判别式知识学习方法进行马尔可夫逻辑网知识学习,以此构建企业知识图谱,挖掘企业表层信息之下的实际发展情况,包括企业科研费用等科研投入情况、企业员工情况等,以此运用企业知识图谱对企业进行画像,以此促进企业及时发现自身发展中村在的问题,加强对企业的背景调查,促进企业合作伙伴关系的查找,将其运用于企业发展的多个场景之中,实现企业的优化发展。

基于联合树的高维数据本地化差分隐私保护算法

为解决发布高维数据过程中复杂的属性关联问题并避免中心服务器不可信任的问题,提出一种基于联合树的高维数据本地化差分隐私保护算法(JT-LDP算法)。基于不可信的中心服务器实现对用户数据的本地化差分隐私保护,中心服务器接收到用户本地化差分隐私保护的数据后,基于联合树算法识别高维数据的属性相关性,将高维数据属性集分割成多个独立的低维属性集。通过采样合成新的数据集进行发布。实验结果表明,JT-LDP算法在高维数据情况下具有更高的精度。

基于正态Petri网的模型参数识别研究

时间因素在对实时系统的分析中占据着重要的位置。随着时间因素在Petri网应用分析中的地位越发重要,各种与时间相关的Petri网模型相继被提出。文中结合动态实时系统的运行特征,设计了一种变迁点火时间服从正态分布的随机Petri网模型,并基于对系统行为的统计分析,提出了一种用于对变迁时间参数进行识别的数值算法。以一种随机制造单元为例,建立正态随机Petri网模型,并运用参数识别算法确定变迁时间参数。仿真结果符合系统的实际运行结果,证明了该方法的有效性。

计算机系统与计算机网络中的动态优化:模型、求解与应用

动态优化是计算机系统与计算机网络中进行资源分配与任务调度等方面研究所采用的主要理论工具之一.目前,国内外已开展大量研究,致力于深化动态优化的理论研究与工程应用.文中从模型、求解与应用3个角度,对马尔可夫决策过程动态优化理论模型进行了综述,并重点介绍了将动态优化理论与随机Petri网理论相结合的马尔可夫决策Petri网和随机博弈网模型,详细讨论了这些模型的建模方法、求解算法与一些应用实例.最后,对全文进行了总结,并对未来可能的研究方向进行了展望.

随机Petri网在明显呼损制全利用度线束理论中的应用

本文介绍了一种应用随机Petri网研究明显呼损制全利用度线束理论的新方法,通过三个例子说明了这种方法的应用,同时对这种方法的优缺点也作了讨论。

基于马尔可夫逻辑网的关联规则迁移学习

针对源领域和目标领域共享知识是规则、结构和逻辑等关联规则的情况,提出一种基于马尔可夫逻辑网的关联规则迁移学习方法.首先利用伪对数似然函数将源领域中马尔可夫逻辑网表示的知识迁移到目标领域中,建立两个领域之间的关联;再通过对源领域进行自诊断、结构更新和目标领域搜索新子句,来优化映射得到的结构,进而适应目标领域的学习.实验结果表明,算法成功地映射了迁移知识,提高了学习模型的精确度.

基于多路链接预测推理的中医脏腑辨证研究

目的 针对知识图谱链接预测中缺少多关系预测推理的问题,提出基于规则+马尔可夫逻辑网(MLN)的多路链接预测推理算法,为中医临床提供辅助决策支持。方法 以中医脏腑辨证为研究背景,构建基于Neo4j图数据库的知识图谱,包括1 263个实体节点和4 105个语义关系。基于改进规则的知识推理设置初始权重,并使用MLN和吉布斯采样(Gibbs sampling)训练权重,以完成输入任意个数四诊数据得到证候推理结果的链接预测任务。结果 对中医脏腑辨证的70个证候进行推理,结果AUC值为98.6%,精确度为98.6%,排序分为0.297,较基于传统规则链接预测算法的精确度高4.3%,具有更准确的推理结果。结论 该模型能较好完成多对多复杂路径关系的链接预测任务,同时实现中医脏腑辨证的四诊合参及个性化推荐功能,辅助中医临床诊疗。

马尔可夫逻辑网在信息抽取中的应用

提出了一个基于马尔可夫逻辑网的信息抽取方法,将所有记录的分割和记录去重在一个单独的整合推理过程中进行。由于采用马尔可夫逻辑和现有的推理算法,其主要工作是编写合适的逻辑公式,工程量比其他传统方法少得多。实验基于CiteSeer和Cora这两个引文匹配数据集,其结果要明显优于之前的其他方法,同时也证明了马尔可夫逻辑网模型的精确性。

基于时空单词的两人交互行为识别方法

文中提出一种基于时空单词的两人交互行为识别方法,该方法从行为视频中提取丰富的时空兴趣点,基于人体剪影的连通性分析和时空兴趣点的历史信息,把时空兴趣点划分给不同的人体,并在兴趣点样本空间聚类生成时空码本(spatial-temporal codebook).对于给定的时空兴趣点集,通过投票得到表示单人原子行为的时空单词(spatial-temporal words).采用条件随机场模型建模单人原子行为,在两人交互行为的语义建模过程中,人工建立表示领域知识(domain knowledge)的一阶逻辑知识库,并训练马尔可夫逻辑网用以两人交互行为的推理.两人交互行为库上的实验结果证明了该方法的有效性.

基于BSN识别双人交互动作方法的研究

基于体感网对人体动作进行识别的很多研究都是针对单人动作,很少有研究讨论双人交互动作的识别。针对双人交互动作中两人肢体行为的特点,提出了一种隐马尔可夫模型和马尔可夫逻辑网相结合的方法。其中,单人原子行为通过建立隐马尔可夫模型来进行识别,在两人交互行为的语义建模中,建立一阶逻辑知识库,并通过训练马尔可夫逻辑网来最终实现两人交互行为的决策。实验结果表明,与基于特征层数据融合的一些方法相比,该方法获得了更高的识别精度,能够有效地识别出双人交互动作。

海战场C^4ISR系统的服务自动组合方法

针对C4ISR系统中服务人工智能(artificial intelligence,AI)规划组合存在的服务数量大、不能处理服务执行过程中动态产生的新个体、业务流程和服务质量不确定等问题,提出了一种基于离散事件演算和马尔可夫逻辑网(discrete event calculus-Markov logic network,DEC-MLN)的服务自动组合方法。首先给出了面向服务的海战场C4ISR系统的流程图,用对事件演算进行拓展形成的DEC-MLN对服务的输入、输出、前提条件和执行效果及基本服务流程进行建模,用MLN的权重刻画组合过程中业务流程和服务质量的不确定性。接着提出了一种基于模板的服务自动组合框架,并给出了溯因DEC规划方法。所提方法克服了基于传统AI规划组合方法限于顺序组合的问题;且DEC-MLN的谓词规模较小,提高了服务组合效率;DEC-MLN在处理不确定性的基础上又能解除封闭世界假说的限制,可以处理组合执行过程中新增个体,增加了组合的动态性。最后用实例验证了所提方法的可行性与有效性。

自恢复容错系统的建模与分析

容错系统不仅会产生硬件故障,由于连续长时间的运行,系统的性能也会逐渐下降或失效,即老化现象。综合考虑容错系统中的硬件故障和老化现象,提出了将传统的冗余技术和软件抗衰技术相结合的策略,并给出了该系统的非马尔可夫随机Petri网模型,随之对基于该模型的系统进行了定量分析。