论文部分内容阅读
近年来，概率逻辑学习研究取得了很大进展，已经提出各种不同的形式化方法和学习方法，包括概率关系模（PRMs）、贝叶斯逻辑程序（BLPs）、逻辑贝叶斯网络（LBNs）和随机逻辑程序（SLPs）等。文章重点介绍了贝叶斯网络与一阶逻辑的结合，并以PRMs、BLPs和LBNs为例，描述了基于贝叶斯网络的概率逻辑模型（PLMs）的知识表示方法，给出了此类PLMs一般使用的参数估计方法和结构学习方法，并给出了建议的研究方向。