漸近行為

深度分析

Markov邏輯網路的域大小漸近行為：從顏色分佈到圖結構的極限

研究關注Markov邏輯網路在域大小趨近無限時的行為，採用三類量化約束為空的實例分析，包括一元關係的「顏色」分佈、以減少三角形或k-團為傾向的圖模型，以及抑制高階度頂點的模型；結果指出soft constraint的類型會決定隨機結構的極限分佈，且MLN與lifted Bayesian networks在漸近表現上存在不可比性，權重是否影響極限取決於具體約束與量測方式。