概率约束逻辑编程

本文解决了概率处理模型的两个核心问题：从不完整数据中进行参数估计和有效检索最可能的分析。这些问题仅对概率正则和上下文无关模型得到了令人满意的回答。我们针对更具表现力的概率约束逻辑编程模型解决这些问题。我们提出了一种用于概率约束逻辑编程的对数线性概率模型。在此模型基础上，我们定义了一种算法来估计参数以及从不完整数据中选择对数线性模型的属性。该算法是Della-Pietra、Della-Pietra和Lafferty（1995）改进迭代缩放算法的扩展。我们的算法适用于一般的对数线性模型，并在应用于大数据空间时附带适当的近似方法。此外，我们提出了一种搜索概率约束逻辑编程模型最可能分析的方法。该方法可应用于自然语言处理应用中的歧义解决问题。