Loading article…
統計的関係学習( SRL ) は、人工知能と機械学習のサブ分野であり、不確実性(統計的手法で対処可能) と複雑な関係構造の両方を示すドメイン モデルに関係しています。[ 1 ] [ 2 ] 通常、 SRL で開発された知識表現形式は、ドメインの関係特性を一般的な方法 (全称量化) で記述するために(そのサブセット)一階述語論理を使用し、不確実性をモデル化するために確率的グラフィカル モデル(ベイジアン ネットワークやマルコフ ネットワークなど)を利用します。また、帰納的論理プログラミングの手法に基づいて構築されているものもあります。1990 年代後半以降、この分野への重要な貢献がなされてきました。[ 1 ]
上記の特徴付けからも明らかなように、この分野は学習の側面だけに厳密に限定されるものではなく、推論（特に確率的推論）と知識表現にも等しく関心を寄せています。そのため、この分野の主な焦点を反映する代替用語としては、統計的関係学習と推論（推論の重要性を強調）や一階確率言語（モデルを表現する言語の主要な特性を強調）などがあります。文献で時折使用される別の用語として、関係機械学習（RML）があります。
統計的関係学習には多くの典型的なタスクが関連付けられており、最も一般的なものは次のとおりです。[ 3 ]
SRLで開発された表現形式の基本的な設計目標の1つは、具体的な実体から抽象化し、普遍的に適用可能な一般原則を表現することです。このような原則を表現する方法は無数にあるため、近年、多くの表現形式が提案されています。[ 1 ]以下では、より一般的なもののいくつかをアルファベット順にリストします。