导读:本文包含了马尔科夫逻辑论文开题报告文献综述及选题提纲参考文献，主要关键词:马尔科夫逻辑网,关联规则学习,盗窃案件,推理
马尔科夫逻辑论文文献综述
孙锡林[1]（2018）在《基于马尔科夫逻辑网的公安盗窃犯罪案件推理研究》一文中研究指出随着近年来我国经济和信息技术的快速发展,盗窃犯罪案件也频频高发。盗窃案件不仅影响城市居民的生活质量,更是干扰了社会治安秩序。由于公安部门警力资源极其有限,而盗窃案件发生频率高,盗窃案件往往处于一种高发低破的状态。如何在有限的警力资源下,运用数据挖掘技术来提高盗窃案的破案率,关系到城市居民的生活质量,是公安部门面对的问题。提出一种基于马尔科夫逻辑网和关联规则学习的盗窃案件自动推理模型。马尔科夫逻辑网能够通过规则纳入领域知识实现推理,但规则的给出需要大量领域专家的参与。切入点是通过运用相关算法从盗窃案件数据中自学习领域规则,不需要人工给出。首先提出两个基本假设,一是盗窃案件都可以通过领域概念向量表达;二是领域规则由概念的因果关系组成。基于这两个假设,首先运用本体思想,构建盗窃案件的核心概念分类体系,以此体系为标准,将盗窃案件数据表达为概念向量集合;其次,借鉴关联规则挖掘算法,找到这些概念向量集合中的强规则,采取了基于影响度的Apriori算法,实现了强规则的二次有效过滤,最后能得到由概念因果关系组成的强规则;在多次调用百度API计算案件距离复杂度过高的情况下,提出了基于行政区划邻接矩阵的近似计算方法;最后,考虑到马尔科夫逻辑网能够简洁纳入领域知识的特点,采用该模型实现领域知识推理。将学习到的盗窃案件规则作为马尔科夫逻辑网的规则输入接口,构建马尔科夫逻辑网模型,最终实现盗窃案件推理,将嫌疑人从重点人库缩小到top-K(前k个,k可以是整数也可以是百分比)。实验结果表明,提出的结合关联规则学习的马尔科夫逻辑网模型在盗窃案件推理的准确率和性能上,相较于基于经验规则的马尔科夫逻辑网模型都具有显着提升。当top-K设置为top-30时,准确率最高能提升11.4%;在性能上,本模型推理时间也明显少于基于经验规则的马尔科夫逻辑网模型。(本文来源于《华中科技大学》期刊2018-05-01）
王若兰[2]（2017）在《基于马尔科夫逻辑网的柬埔寨语复杂组织机构名识别》一文中研究指出随着我国与柬埔寨国家的交流合作日益频繁,进行柬埔寨的自然语言处理工作变得尤为重要。由于不同语言之间存在较大的差异,因此,其他语言的命名实体识别方法无法直接移植到柬埔寨语中。为了提高柬埔寨语组织机构名识别的准确率,本文围绕柬埔寨语组织机构名识别模型构建,扩充组织机构名语料库等关键问题展开研究,并取得了以下成果:(1)提出了一种基于Tri-training的柬埔寨语组织机构名的识别方法。该方法首先利用改进的Tri-training算法,将基于条件随机场、支持向量机和最大熵模型叁个不同的分类器组合成一个分类体系,然后利用少量的已标注语料,依据最优化样本选择策略对新加入样本进行选择,结合柬埔寨语的语言特点进行实验。结果表明该方法能够通过利用少量的已标注语料来实现对柬埔寨语组织机构名的识别。(2)提出了一种基于马尔科夫逻辑网的柬埔寨语复杂组织机构名识别方法。该方法首先采用条件随机场模型对简单的组织机构名进行识别,然后结合柬埔寨语的语言特点,得到一阶逻辑规则,将一阶逻辑规则融入到马尔科夫逻辑网中,并利用LazySAT推理算法来进行复杂组织机构名的识别。结果表明该方法能够使柬埔寨语复杂组织机构名达到更好的识别效果。(3)设计并实现了柬埔寨语组织机构名识别原型系统,为柬埔寨语命名实体识别的研究提供了有力支撑。(本文来源于《昆明理工大学》期刊2017-05-01）
蔡东风,赵奇猛,饶齐,王裴岩[3]（2016）在《基于马尔科夫逻辑网的中文专利最大名词短语识别》一文中研究指出缺少标注语料和难以识别动词和名词类是阻碍中文专利最大名词短语识别的主要问题。针对上述问题,该文提出了一种基于马尔科夫逻辑网的中文最大名词短语识别方法。该方法避免对开放类的名词短语的识别,而将主要精力放在了相对封闭的分隔符的识别上,利用句子自身特征、领域迁移特征以及双语对齐特征来识别最大名词短语的边界。结果说明,双语信息较好地促进了动词、介词、连词等MNP边界的识别。MNP识别的F值可达83.27%。(本文来源于《中文信息学报》期刊2016年04期）
陈宇,王亚弟,王晋东,王坤[4]（2016）在《马尔科夫逻辑网在信息安全风险管理中的应用》一文中研究指出针对现有的企业安全风险管理中,风险处理方案的制定和管理措施的选择缺乏量化手段、手动风险分析方式耗时过长等问题,提出了一种基于马尔科夫逻辑网的信息安全风险管理方法。首先利用马尔科夫逻辑网对被评估系统组件及服务间依赖关系进行描述,进而利用马尔科夫逻辑网的边际推理模型来预估不同安全管理措施情况下的系统可用性值,从而为管理措施的选择提供了量化依据。案例研究表明,该方法能够为企业信息系统安全风险管理措施的选择提供可靠的量化依据,且方法实施简单易行。(本文来源于《计算机工程与应用》期刊2016年18期）
王星,何慧[5]（2015）在《基于马尔科夫逻辑网的网络舆论引导技术》一文中研究指出计算机和互联网技术的快速发展,在给人类提供极大便利的同时,也给人类社会的政治、经济和文化生活等方面带来了巨大的冲击和负面影响,并由此产生了传统社会没有的、新型的社会问题——网络社会问题。网络社会问题在全世界范围内都是广泛存在的,其复杂性和多样性等特点解决起来也是一个不小的世界性的难题。因此通过对网络进行监控,对网络舆论导向进行分析,并智能的做出回应,对于正确引导舆论走向是有必要的。本文对网络舆情引导理论和技术方面进行研究,采用基于马尔科夫逻辑网络模型进行舆论引导,通过对已有知识库的学习,推断未知知识库,即需要引导的舆情领域相关引导的参数,达到舆情引导的效果。(本文来源于《智能计算机与应用》期刊2015年03期）
吴浩坚[6]（2015）在《基于马尔科夫逻辑网络的活动识别系统研究与实现》一文中研究指出随着传感器技术和信息技术的高速发展,移动手机、运动手环、智能手表等穿戴式传感器设备越来越普及。活动识别技术在智能家居、医疗监护、电子商务等领域带来了崭新的应用,具有广泛的研究与应用价值。作为一个具有挑战性的研究问题,活动识别受到越来越多的国内外研究者关注。活动识别就是从传感器、计算机、摄像头等设备采集到的数据集(例如传感器日志、多媒体视频等)中抽取目标并识别个体正在进行的活动。目前,在人工智能领域,活动识别主要有基于规则推导的逻辑方法和基于统计规律学习的概率方法。本文主要研究内容是基于日志的活动识别。不同于传统的活动识别,本文的工作是基于一种新的统计关系学习理论框架,即马尔科夫逻辑网络(Markov Logic Network)。马尔可夫逻辑网络可以把逻辑和概率结合在一起,发挥两者在活动识别领域各自的长处:逻辑规则可以很好的描述领域的背景知识,而统计规律可以很好的处理活动识别中的模糊性,不确定性,以及噪音。本文基于这个框架,提出了一个从日志自动识别用户活动的方法。我们的方法分为叁个步骤:第一步是采用一阶逻辑描述关于特定领域中活动识别的背景知识;这些背景知识的来源一方面是由专家提供,另一方面是采用Apriori规则挖掘算法从训练样本集中挖掘出的强关联规则。第二步是通过训练样本集对一个活动识别的通用马尔可夫逻辑网络进行训练,学习网络的参数;然后把这个网络与第一步得到的背景知识结合在一起,构成一个领域专用的活动识别模型。第叁步是应用这个模型对采集的数据进行活动识别。基于这个方法,我们设计并实现了一个学生网上学习活动识别系统。该系统采集并存储学生网上学习行为数据,使用本文的识别方法识别出学习活动,最后给出可视化结果。我们在真实的传感器数据日志和采集的学生行为日志进行实验比较和分析,实验结果表明,本文活动识别方法的有效性和可行性。(本文来源于《中山大学》期刊2015-05-20）
刘祥[7]（2014）在《基于马尔科夫逻辑网的领域知识学习与更新技术研究》一文中研究指出知识发现自提出以后，一直是学术界和应用领域关注的焦点，但面对着如今日益复杂的领域应用环境，现有的研究方法多基于统计学习，常常忽略了领域知识间的关系以及领域知识随着时间的变化，在应用效果方面往往差强人意。如何准确把握领域知识间的统计关系，进行正确的领域知识学习与领域知识更新，成为领域知识研究的一个难点。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科夫逻辑网为研究者们所提出，并成功的应用于自然语言处理、机器学习、社会关系分析等领域中。在这种背景下，本文采用马尔科夫逻辑网，结合领域分类数据集，构建了领域知识库，进行了其在领域知识学习与更新技术中的探索研究。本文的具体研究内容及研究成果如下：(1)本文首先介绍了传统方法中的SVM进行本文的领域知识分类学习，然后提出一种基于马尔科夫逻辑网的领域知识学习技术。该技术在传统方法的基础上，引入了一阶逻辑来表示领域知识间的关系，使得领域知识的学习效果更佳突出。本文设置了两组实验进行了对比，最终发现基于马尔科夫逻辑网的领域分类知识学习效果要平均高于另一种5~6个百分点。(2)在领域知识更新方面，面对本文的领域任务——文本分类，结合传统的3种知识更新策略，提出基于特征词库增量学习的领域知识更新技术，并进行了3种策略的对比实验与分析，验证了其有效性与可行性。(3)针对传统方法在进行领域知识更新时的不足——没有考虑领域知识间的关系，延伸马尔科夫逻辑网在领域知识学习中的应用，并结合增量式知识学习策略，提出基于马尔科夫逻辑网的领域知识更新技术。该方法在通过马尔科夫逻辑网在领域知识学习步骤中获得知识后，将新知识加入原有知识重新学习，然后更新领域知识库。实验结果表明，采用该技术的领域知识库在进行分类决策时提高了2~3个百分点的准确度。基于以上的研究可知，马尔科夫逻辑网统一了概率图模型和一阶逻辑，能够很好的处理领域信息的统计关系，在领域知识的学习和更新方面有着很好的效果，具有广泛的研究前景。(本文来源于《哈尔滨工业大学》期刊2014-06-01）
杨立公,汤世平,朱俭[8]（2013）在《基于马尔科夫逻辑网的句子情感分析方法》一文中研究指出提出一种基于马尔科夫逻辑网的句子情感分析方法.与深度学习方法相结合实现跨领域的知识迁移,同时采用马尔科夫逻辑网将句子的上下文信息与其它情感特征相结合实现句子情感分析.在COAE评测数据上的实验结果表明,该方法与SVM分类方法相比,准确率达到70.02%,并且在跨领域的情感分析任务中也得到了较好的结果.(本文来源于《北京理工大学学报》期刊2013年06期）
卢晓冬[9]（2013）在《基于马尔科夫逻辑网络的本体映射》一文中研究指出本体映射是在不同的异构本体间建立概念、属性、实例的映射关系的过程,以实现不同领域知识库之间的语义信息共享。语义Web智能交互的基础是逻辑语义及其推理能力。而当前本体映射的方法主要集中在语义相似度计算方面,其语义的推理能力一直都没有被充分利用。本文将着重关于映射推理的研究,提出结合语义相似度计算和不确定性推理映射的马尔科夫逻辑网络映射框架。首先,论文简要介绍了本课题的研究背景和意义,对现有本体映射策略进行了归纳,从语义相似度和推理映射两个方面分析现有映射系统的优点和不足之处,并指出现有结合多策略映射系统的普遍缺点,提出本文的研究方向和目标。然后,分别介绍马尔科夫网络和一阶逻辑的相关知识,据此提出基于马尔科夫逻辑网络的本体映射方法。相对于现有的本体映射方法,该方法能够利用一阶逻辑的特性,结合硬性规则和软性规则。首先,应用多种语义相似度映射策略,获得本体概念、属性、结构的语义相似度,并将综合后的映射结果作为推理映射的先验概率,处理不精确语义信息带来的不确定性；接着,考虑本体中已有的逻辑规则,即硬性规则,减化本体映射中出现的逻辑冲突,降低推理映射的计算复杂度。马尔科夫逻辑网络是由一阶逻辑和无向概率图模型组成的,而在马尔科夫逻辑网络中最大后验概率求解本身是个NP完全问题,其算法无法直接作为工程依据,因此应用整数线性规划(ILP)近似表示最大后验概率(MAP)求解问题,在ILP Base Solver基础上应用割平面推理(CPI)算法,进行推理映射发现,并证明在无向图中求解最大后验概率的可行性。最后,根据上述研究,设计并实现基于马尔科夫逻辑网络的本体映射系统MLBM,实验数据采用OAEI的本体数据,将实验结果与其他本体映射系统进行了比较。同时,在设定不同的实验阈值时,采用专家设定和机器学习两种方法,发现系统最佳阈值,以便提高其复杂语义环境下的适应性,有效提高系统的查全率和查准率。证明本系统在发现深层映射关系上的有效性,且能够有效提高映射结果的质量。(本文来源于《中南大学》期刊2013-05-01）
杨博[10]（2012）在《马尔科夫逻辑网络研究及其应用》一文中研究指出知识表示和概率推理是人工智能的两个主要研究内容，以贝叶斯网络等为代表的概率图模型在此方面已表现出巨大潜力，但单向数据流的有向图模型在处理能力上仍较为受限。而Markov逻辑网的提出为知识与推理的结合开创了新局面，作为双向联合无向图模型，可综合实际应用中的多种信息和特征，更好地推理得出最佳结论，自理论创立以来，在社会计算、生物信息学、自然语言处理等诸多领域一直蓬勃发展。该文以Markov逻辑网为核心，系统研究了其理论体系，并应用于无监督语义分析、自动知识获取及机器阅读的研究中。从海量的自由文本中自动提取有用的结构化信息是当今大规模信息处理时代备受关注的研究课题，这种语义表示与分析是文本蕴含、知识库构建、问答等深层语义任务的重要基础，以达到深入理解文本的目的。传统的知识获取依赖于人工标注的语料，费时费力、易于出错，显然不适用于无法预定义实体-关系类型的大规模文本。为此，该文研究了一种利用Markov逻辑范式从大规模生物医学文献中自动提取信息并分析语义的无监督方法，通过统计推理可灵活地对语义相同但表达形式不同的词聚类，可较好地辨析句式变换、主动/被动等语言现象，但仅通过依存句法无法解析反义、否定等表达差异。于是该文又融合WordNet语义词典对无监督聚类辅助调整知识的概率分布，促进概念的提取及合并，扩展与修正知识库内部结构。该文利用自学习形成的知识库，将机器阅读的主要目标——问答作为评价手段，融合WordNet后，在返回及答对问题数上均有增加，正确率可提升至90.6%，而且效果明显优于当前性能优越的开放式信息抽取系统——ReVerb和OLLIE，表明这种统计推理与词典相结合方法的优势，而且可以尽可能多得获取知识，显示了机器阅读的光明前景。(本文来源于《沈阳航空航天大学》期刊2012-12-04）
马尔科夫逻辑论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着我国与柬埔寨国家的交流合作日益频繁,进行柬埔寨的自然语言处理工作变得尤为重要。由于不同语言之间存在较大的差异,因此,其他语言的命名实体识别方法无法直接移植到柬埔寨语中。为了提高柬埔寨语组织机构名识别的准确率,本文围绕柬埔寨语组织机构名识别模型构建,扩充组织机构名语料库等关键问题展开研究,并取得了以下成果:(1)提出了一种基于Tri-training的柬埔寨语组织机构名的识别方法。该方法首先利用改进的Tri-training算法,将基于条件随机场、支持向量机和最大熵模型叁个不同的分类器组合成一个分类体系,然后利用少量的已标注语料,依据最优化样本选择策略对新加入样本进行选择,结合柬埔寨语的语言特点进行实验。结果表明该方法能够通过利用少量的已标注语料来实现对柬埔寨语组织机构名的识别。(2)提出了一种基于马尔科夫逻辑网的柬埔寨语复杂组织机构名识别方法。该方法首先采用条件随机场模型对简单的组织机构名进行识别,然后结合柬埔寨语的语言特点,得到一阶逻辑规则,将一阶逻辑规则融入到马尔科夫逻辑网中,并利用LazySAT推理算法来进行复杂组织机构名的识别。结果表明该方法能够使柬埔寨语复杂组织机构名达到更好的识别效果。(3)设计并实现了柬埔寨语组织机构名识别原型系统,为柬埔寨语命名实体识别的研究提供了有力支撑。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
马尔科夫逻辑论文参考文献
[1].孙锡林.基于马尔科夫逻辑网的公安盗窃犯罪案件推理研究[D].华中科技大学.2018
[2].王若兰.基于马尔科夫逻辑网的柬埔寨语复杂组织机构名识别[D].昆明理工大学.2017
[3].蔡东风,赵奇猛,饶齐,王裴岩.基于马尔科夫逻辑网的中文专利最大名词短语识别[J].中文信息学报.2016
[4].陈宇,王亚弟,王晋东,王坤.马尔科夫逻辑网在信息安全风险管理中的应用[J].计算机工程与应用.2016
[5].王星,何慧.基于马尔科夫逻辑网的网络舆论引导技术[J].智能计算机与应用.2015
[6].吴浩坚.基于马尔科夫逻辑网络的活动识别系统研究与实现[D].中山大学.2015
[7].刘祥.基于马尔科夫逻辑网的领域知识学习与更新技术研究[D].哈尔滨工业大学.2014
[8].杨立公,汤世平,朱俭.基于马尔科夫逻辑网的句子情感分析方法[J].北京理工大学学报.2013
[9].卢晓冬.基于马尔科夫逻辑网络的本体映射[D].中南大学.2013
[10].杨博.马尔科夫逻辑网络研究及其应用[D].沈阳航空航天大学.2012