概率软逻辑（PSL，Probabilistic soft logic）是用于开发概率模型的机器学习框架。它可以使用简单的逻辑语法去定义模型，通过快速凸优化进行运算。PSL在自然语言处理，社交网络分析，知识图，推荐系统和计算生物学等许多领域产生了最不错的结果。PSL框架在GitHub上作为Apache许可的开源项目进行提供，具有活动用户组google论坛作为支持。
PSL的优势在于：
（1）和马尔可夫逻辑网（MLN，Markov logic network）类似，使用一阶逻辑，能够简洁地表示复杂关系；和MLN使用0，1二值逻辑不同的是，PSL使用[0，1]之间的软真值作为运算值。
（2）概率图模型，可以捕捉真实世界知识中固有的不确定性和不完备性。PSL使用“软”逻辑作为其逻辑组成部分，以马尔可夫网络作为其统计模型。
概率软逻辑（PSL，Probabilistic soft logic） 简介
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
