[发明专利]一种基于马尔科夫逻辑网的统计关系学习方法与系统

说明书

本发明公开的属于统计关系学习技术领域，具体为一种基于马尔科夫逻辑网的统计关系学习方法与系统，该大数据驱动的基于马尔科夫逻辑网的统计关系学习方法包括如下步骤：S1：数据采集；S2：数据解析；S3：数据汇总；S4：建立模型；S5：结果展示，一种基于马尔科夫逻辑网的统计关系学习系统，包括数据采集模块，所述数据采集模块的输出端电性连接关系数据库的输入端，所述数据处理模块包括实体解析模块、二义性区分模块和二次实体解析模块，该基于大数据平台和马尔科夫逻辑网作为统计学习关系的统一框架，实现对数据的高度处理，进行统计学习与关系学习的结合，具有良好的应用前景。

技术领域

本发明涉及统计关系学习技术领域，具体为一种基于马尔科夫逻辑网的统计关系学习方法与系统。

背景技术

统计关系学习是1998年左右出现的一个新的研究领域，它集关系表示、似然推理和机器学习于一体，目的是获取数据中似然模型，统一框架至今为止，虽然已经提出大量的统计关系学习模型，但统计关系所研究的问题和所用的方法的多样性使人们难以认识它们的本质，缺乏对不同方法的优缺点，以及它们之间关系的比较研究，使一个应用中的新方法很难在其他应用中被使用。为此，我们提出一种基于马尔科夫逻辑网的统计关系学习方法与系统。

发明内容

本发明的目的在于提供一种基于马尔科夫逻辑网的统计关系学习方法与系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于马尔科夫逻辑网的统计关系学习方法，该大数据驱动的基于马尔科夫逻辑网的统计关系学习方法包括如下步骤：

S1：数据采集：通过多个数据库实现学习数据的采集，并通过数据库实现对的数据的解析和推理；

S2：数据解析：将采集的数据进行实体解析，并对数据的分布状态、数字特征和随机变量之间关系进行估计和描述；

S3：数据汇总：将解析后的数据进行汇总，然后导入训练集，输入规则进行权重学习；

S4：建立模型：建立马尔科夫逻辑网模型，并通过建立的模型实现对统计关系的学习；

S5：结果展示：通过大数据平台实现对学习结果的结果的展示，并实现平台内的数据与外部数据的交互。

优选的，所述步骤S1中数据库为关系数据库，所述关系数据库实现对数据的预处理，包括提取数据记录、形式化数据记录格式和修改增加删除数据记录。

优选的，所述步骤S2中数据解析还包括对数据的二义性处理。

优选的，所述步骤S4中马尔科夫逻辑网模型的建立方法为：关系马尔科夫逻辑网为五元组<△，P,Z,A,π>，其中△为定义域集合，定义域D∈△为树形结构，表示状态值的抽象层次，D中每个叶结点表示一个基值；P为关系集合，每个关系的变量为某个定义域D∈△中某结点值；Z为状态值集合，q∈Z为P中一个关系实例，即该关系自变量均取基值；A与π的定义与马尔科夫逻辑网模型中一样，A表示概率转移矩阵，π表示初始概率向量。

一种基于马尔科夫逻辑网的统计关系学习系统，包括数据采集模块，所述数据采集模块的输出端电性连接关系数据库的输入端，所述关系数据库的输出端电性连接大数据平台的输入端，所述大数据平台的分别双向电性连接数据交互模块、数据处理模块和数据建模模块，所述数据处理模块包括实体解析模块、二义性区分模块和二次实体解析模块；

所述数据采集模块实现对数据采集，并将采集的数据传输至所述关系数据库，所述关系数据库实现对数据的预处理，并将预处理后的数据传输至所述大数据平台，通过所述数据处理模块实现对数据的实体解析和二义性处理，通过所述数据建模模块马尔科夫逻辑网模型的建立，并进行统计关系的学习，通过所述数据交互模块实现平台内的数据与外部数据的交互和结果的展示。