Machine Learning and Natural Language Processing Lab

Relational Cond... |--| Asynchrone Rela... |--| Flexible String... |--| Lernen von Inte... |--| Speeding Up Log... |--| Relational Fish... |--| Development of ... |--| Development of ... |--| Collective Clas... |--| Learning Locali... |--| Using Equation ... |--| Classification ... |--| Induktive Daten... |--| Constraint-Base... |--| Magic Bayes-Bal... |--| Logistic Model ... |--| Clustering unte... |--| Two-Level Class... |--| Machine Learnin... |--| Erweiterung des... |--| Bayes'sche-logi... |--|

Master Thesis

Magic Bayes-Ball Ein Bayes-Ball-Algorithmus für Bayes'sche Datalog-Programme

Livia Predoiu, 2003

Ziel dieser Arbeit ist die Beschleunigung der Inferenz in Bayes'schen Datalog Programmen mit Hilfe des Bayes-Ball-Algorithmus von Shachter. Shachters Bayes-Ball-Algorithmus ist auf Bayes'sche Netze anwendbar und ermittelt den für eine Anfrage relevanten Teil des Netzes. Der Inferenzalgorithmus muss dann nur den relevanten Teil des Netzes berücksichtigen und kann dadurch in vielen Fällen beschleunigt werden. Ein Bayes'sches Datalog Programm ist eine kompakte Repräsentation eines Bayes'schen Netzes. Die Inferenz in Bayes'schen Datalog Programmen besteht aus zwei Teilen: Zunächst wird das äquivalente Bayes'sche Netz durch logische Inferenz hergeleitet; anschließend wird ein für Bayes'sche Netze üblicher Inferenzalgorithmus auf das äquivalente Bayes'sche Netz angewendet. In dieser Arbeit wird ein logischer Bayes-Ball-Algorithmus beschrieben, der bereits bei der Herleitung des äquivalenten Bayes'schen Netzes eingesetzt wird. Er beruht auf einer Kombination von Backwart-Chaining und zielgerichtetem Forward-Chaining und greift dazu auf einen Magic-Sets-Algorithmus zurück. Bei der Anwendung des logischen Bayes-Ball-Algorithmus wird der minimale für die Anfrage relevante Teil des äquivalenten Bayes'schen Netzes erzeugt.