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。