统计关系学习综述

摘要：

统计关系学习是人工智能领域的一个新研究热点,它集关系、逻辑表示,似然推理机制,机器学习、数据挖掘于一体,用于获取复杂数据(数据间具有多种关系)的似然模型.首先,本文阐述了统计关系学习研究的重要意义:其次,本文根据所用的概率表示和推理机制不同,将统计关系学习方法分为基于贝叶斯网、(隐)马尔可夫模型、随机文法和马尔可夫网等四类,并对每类方法所用的概率逻辑(关系)模型、参数估计和结构学习算法,以及相关的研究现状进行了详细介绍;最后,本文指出了统计关系学习的应用领域和未来研究的重点问题.

关键词： 统计关系学习 似然逻辑学习 关系数据挖掘 关系学习 人工智能 似然推理机制 机器学习

作者: 刘大有 齐红 孙舒杨 孙成敏 高滢 刘杰

作者单位: 吉林大学计算机科学与技术学院,130012 吉林大学符号计算与知识工程教育部重点实验室

会议类型: 国内会议

会议名称: 第十一届中国人工智能学术年会

会议地点: 武汉

会议语种:中文

页码: 241-253

在线出版日期: 2005-09-20（万方平台首次上网日期，不代表论文的发表时间）