《表2 统计关系学习主要方法比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《大规模知识图谱补全技术的研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

如表2中所示，我们选取了以上4种统计关系学习中有代表性的4个方法，分别从模型的类别、使用的参数估计和结构学习、推理机制及方法、自相关性和多关系处理等几个方面进行了比较.从2010年之后，SRL方法主要集中在Markov逻辑网的应用方面，比如Dietrich等[39]将其应用于人脸识别问题中，Rettinger等[40]将其用于社交网络中的信任学习，应用于自然语言处理任务的有文献[41～45]应用于医学和生物领域的有文献[46～48]，其他一些应用[49，50]不再一一赘述了.总之，统计关系学习方法除了Farnadi等[51，52]提出了在一阶逻辑中引入软性约束之外没有太大的新进展，在知识图谱补全中的应用也多作为一种关联程度评价方法结合到预测过程中[53～62].