本文提出了一个基于Answer Set Prolog作为逻辑基础、以因果贝叶斯网络为概率基础的声明式语言P-log，用于知识表示和知识更新，并给出了多个例子表明更新方法更加优越。同时，论文给出了实现P-log程序的充分条件，并证明了Bayes nets的易于映射到符合条件的P-log程序上。

Dec, 2008

我们提出了一个逻辑/数学框架来进行参数化逻辑程序的统计参数学习，包括 HMM、PCFG 和贝叶斯网络，同时我们也提出了一个新的 EM 算法——图形 EM 算法，并在实验中对其性能进行了验证。

Jun, 2011

该论文探讨了在概率约束逻辑编程中对数线性模型的研究，并将其应用到一阶概率推理中，介绍了基于标记和未标记的确定性子句确定证明概率的随机逻辑程序概率定义，通过归一化证明概率中原子公式本身的概率，扩展了相关理论，同时通过归纳逻辑编程从数据中归纳出对数线性模型的特征，最后用其他方法对其进行比较。

Jan, 2013

本文研究了一种具有概率注释的逻辑程序，并探讨了如何通过将程序和查询转换为加权布尔公式的方式，实现计算边际值、学习参数估计等推理任务，并通过预期最大化算法实现参数估计，实验结果证明，该方法可以提高概率逻辑编程的状态水平，并从解释中学习到程序的参数。

Apr, 2013

本文提出了一种算法（SLIPCOVER）用于通过在概率子句和理论空间中执行波束和贪婪搜索来进行概率逻辑程序的结构学习，并使用数据的对数似然作为指导启发式算法。该算法已在五个实际数据集上进行了测试，并与其他算法进行评估。

Sep, 2013

本书介绍了概率编程的基础和技术，主要包括概率编程语言的设计和构建、基础推理算法和高阶概率编程语言、概率编程与可微分编程的交叉应用，尤其是深度概率编程系统的设计与语言特性对其的影响。

Sep, 2018

探讨了概率逻辑编程在统计关系人工智能中的具体应用及其在不同领域中的变化，解释了基于概率逻辑编程的统计关系表示随着变量域大小的复杂行为，揭示出抽象分布语义的必要性并给出了相应的具体证明。

Feb, 2021

本文介绍了一种混合概率逻辑编程语言 DC#，它将分布式子句的语法与贝叶斯逻辑程序的语义原则集成到一起。该语言以质量为基础表示了三种独立性，并引入了可扩展的推理算法 FO-CS-LW，该算法是 CS-LW 的一阶扩展，结合了一阶统一和规则组合。

Jan, 2022

提出了 SLASH 概率编程语言，通过神经概率谓词和逻辑编程实现了可管理的概率推理，可以进行各种类型的概率查询，并在多个任务上取得了良好的表现。

Jun, 2023

本研究解决了在不确定环境中优化期望奖励的决策理论问题，通过引入基于决策原子和效用属性的概率答案集编程编码决策问题。提出的三层代数模型计数算法，在多组合成数据集上测试，显示出该算法能够高效处理复杂的程序实例，具有显著的实用价值。

Aug, 2024