概率逻辑系统
(Press ?
for help, n
and p
for next and previous slide)
0.8::身上每处都淋到雨
被称为概率原子公式,它表示:
Knowledge-Based Model Construction (KBMC):构建一个具有逻辑结构的概率模型
图中的条件概率分布:\(\mathrm{Pr}(R)\), \(\mathrm{Pr}(S\mid R)\), \(\mathrm{Pr}(G\mid S,R)\)
图中的联合概率分布:\(\mathrm{Pr}(G,S,R)=\mathrm{Pr}(R)\cdot\mathrm{Pr}(S\mid R)\cdot\mathrm{Pr}(G\mid S,R)\)
在概率模型中引入知识是为了简化推理的运算与存储复杂度。
定义:对于三个随机变量集合 \(\mathcal{X}\), \(\mathcal{Y}\), \(\mathcal{C}\),若对于任意 \((X,Y)\in\mathcal{X}\times\mathcal{Y}\),\(\mathcal{C}\) 均阻挡了从 \(X\) 至 \(Y\) 的路径,则 \(\mathcal{X}\bot\!\!\!\bot \mathcal{Y}\mid\mathcal{C}\)。我们也称任意 \(\mathcal{X}\) 中的节点与 \(\mathcal{Y}\) 中的节点被 \(\mathcal{C}\) D-分离。
\(A\) | \(C\) | \(\phi_{AC}(A,C)\) |
---|---|---|
0 | 0 | 1 |
0 | 1 | 10 |
1 | 0 | 10 |
1 | 1 | 100 |
将逻辑公式的语义用马尔可夫网表达,即得到马尔可夫逻辑网(Markov Logic Network, MLN)。
我们仍然有一个自由代数,它包含一系列基本符号:
四元组 \(M=(\Omega, \mathcal{F}, \mathrm{Pr}, \pi)\) 是一个概率逻辑结构(probabilistic logic structure),其中:
考虑一个逻辑理论的 Herbrand universe:
分布语义涵盖了命题逻辑与概率论公理,具体包含了:
%% Probabilistic facts:
0.5::heads1.
0.6::heads2.
%% Rules:
twoHeads :- heads1, heads2.
someHeads :- heads1.
someHeads :- heads2.
%% Queries:
query(twoHeads).
query(someHeads).
prob(twoHeads, 0.3).
prob(someHeads, 0.8).
%% Probabilistic rules:
0.3::stress(X) :- person(X).
0.2::influences(X,Y) :- person(X), person(Y).
0.4::cancer(X) :- smokes(X).
%% Non-probabilistic rules:
smokes(X) :- stress(X).
smokes(X) :- friend(X,Y), influences(Y,X), smokes(Y).
%% Facts
person(angelika).
person(joris).
person(jonas).
person(dimitar).
friend(joris,jonas).
friend(joris,angelika).
friend(joris,dimitar).
friend(angelika,jonas).
%% Query
query(cancer(X)).
%% Output
prob(cancer(angelika), 0.1368).
prob(cancer(dimitar), 0.12).
prob(cancer(jonas), 0.12).
prob(cancer(joris), 0.16920518).