- 带有有向无环图公理的加权一阶模型计数
该论文研究的是加权一阶模型计数问题 (WFOMC)，主要关注于能够在多项式时间内进行 WFOMC 的逻辑片段，其中包括经过拓展的两变量一阶逻辑碎片及其衍生的包含计数量词的逻辑碎片，通过在关系上添加定向无环图 (DAG) 公理，这篇论文对子领 - AAAI基于结构学习的正义高效 Motif 搜索算法
本文提出了一种基于随机过程的方法来挖掘抽象化的图形模型中的结构语素，并通过标准测试发现其准确度比现有的结构学习方法高出了 6％，计算时间快 80％.
- 线性序公理的提升推理
本文研究了在统计关系学中用于概率推断的加权一阶模型计数（WFOMC）任务，并证明了添加线性序公理后，WFOMC 仍可以在多项式时间内计算。作者提出了一种基于动态规划的新算法，可以在多项式时间内计算带有线性序的 WFOMC。
- AAAI儿童重症管理关系策略的初步学习方法
本文介绍一种利用医疗记录自动提取医疗策略的机器学习方法，并针对百科膜肺氧合技术治疗严重心脏或呼吸衰竭的儿童的生理参数进行实验，结果发现该算法的逻辑规则与医学推理一致。
- 神经马尔可夫逻辑网络
介绍了一种神经马尔可夫逻辑网络 (NMLNs) 的统计关系学习系统，其借鉴了马尔可夫逻辑的思想，通过神经网络隐式表示逻辑规则作为关系结构上的潜在势函数，克服了基于神经符号方法的嵌入缺失等问题，在知识库补全、三元组分类和分子 (图) 数据生成 - IJCAI用于语义图像解释的逻辑张量网络
本文介绍了一种利用 LTNs 框架开发和应用于 SII 任务的方法，通过应用逻辑约束的背景知识，可以有效地从含有噪声的数据中学习并改善数据驱动方法的性能。同时，该方法还可以增强学习系统对训练数据标签错误的鲁棒性。
- IJCAI从关联数据中诱导可解释的可能逻辑理论
提出了一种使用可能性逻辑来编码关系模型的统计关系学习方法，该方法相对于马尔可夫逻辑网络更快且产生的模型更容易解释。
- ICML基于复杂张量分解的知识图谱补全
本文介绍了一种基于复杂嵌入的统计关系学习方法，在实现表达能力和时间 / 空间复杂度之间权衡的同时，探索了这种复杂嵌入和酉对角化之间的联系，提出的嵌入方法仅涉及共轭内积，具有良好的可扩展性和高准确率。
- ICML基于复数嵌入的简单链接预测
该研究基于复嵌入提出了一种解决大型知识库中链接预测问题的方法，相对于其他模型而言，这种方法更简单且可扩展性好，同时在标准链接预测测试中保持了更高的性能。
- 理解提升推理和非对称加权模型计数的复杂性
本文研究了解析式权重一阶模型计数问题的 Lifted Inference 问题，通过提供一些结论，针对解析式的约束进行了分析讨论，并探讨了在对称概率性数据库中采用 Lifted Inference 的局限性和复杂性。
- 提高马尔科夫逻辑的 MAP 推理准确性和效率
本文提出了一种基于 Cutting Plane Method 的 最大后验概率 (Maximum A Posteriori) 推断方法 CPI，用于统计关系学习。作者在两个任务上进行了评估，即语义角色标注和联合实体解析。实验结果表明使用 C - kLog：适用于逻辑和关系学习的核心语言
kLog 是一种新颖的统计关系学习方法，采用基于核的学习方法，在具有表达力的逻辑和关系表示上进行，可以声明性地指定学习问题，支持混合数字和符号数据，以及在归纳逻辑编程系统中以 Prolog 或 Datalog 程序的形式表示的背景知识，并可 - MM关于实现概率逻辑编程语言 ProbLog 的论文
该研究介绍了 ProbLog 的概念以及相关算法，针对大型生物网络提出了一种有效执行查询的方式。