基于Markov逻辑网的超文本分类 (2011年)

在传统的监督学习任务中,实体被认为是独立同分布的。然而,现实世界中实体之间通过复杂的方式相互关联。例如在超文本分类中,具有链接关系的页面之间高度相关。标准的分类方法是忽略实体之间的联系,对每个实体单独分类。本文将Markov逻辑网应用到超文本分类中,旨在改善这一问题。实验结果显示了采用Markov逻辑网模型要比采用K最邻近节点算法的分类效果好;同时将实体之间存在的联系用于学习和推理对于分类也有一定的贡献。