多位CS教授操刀，这本书带你入门「提升概率推理」，免费预览章节放出，428页pdf

统计关系人工智能（Statistical relational AI, StaRAI）是研究「不确定性下的推理」和「个人与关系推理」之间的整合。StaRAI 使用的表征通常被称为关系概率模型。提升推理（Lifted inference）研究的是如何利用关系概率模型中固有的结构，无论是从这些模型的表达方式还是从对它们的观察中提取结构入手。

最近，UCLA 计算机科学副教授 Guy Van den Broeck、达姆施塔特工业大学计算机科学教授 Kristian Kersting 以及英属哥伦比亚大学计算机科学教授 David Poole 等学者合著了一本专门介绍提升概率推理（Lifted Probabilistic Inference）的书籍，涵盖了这一活跃领域的最新重大进展，为广大读者提供了非常全面的综述。

整体上，该书主要由以下三大部分组成：

引入：概率图模型和关系概率模型的背景知识以及可以从这些模型中学到什么。 重点：提升推理，主要包含两方面——精确推理和近似推理。 其他：探讨了关系领域的可提升性和行为理论，从而将该领域的学习与推理联系起来。

目前，该书放出了一些预览章节（前四章），主要介绍了统计关系 AI 的表征、推理与学习、统计关系学习（SRL）（又包括 SRL 模型、SRL 模型的参数学习、马尔可夫逻辑网络及其参数与结构学习等）和提升变量排除。

预览章节地址：https://www.google.de/books/edition/An_Introduction_to_Lifted_Probabilistic/bIU6EAAAQBAJ?hl=en&gbpv=1

剩余章节内容如下：

第 5 章：基于搜索的精确提升推理 第 6 章：用于有向模型的提升聚合和斯科林化（skolemization） 第 7 章：一阶知识编译 第 8 章：域可提升性 第 9 章：基于可交换性的易处理性：提升统计学 第 10 章：提升马尔可夫链蒙特卡洛理论（MCMC） 第 11 章：用于概率与组合问题的提升信息传递 第 12 章：提升泛化置信传播：松弛、补偿与恢复 第 13 章：变分推理的可提升性理论 第 14 章：混合关系模型的提升推理 第 15 章：颜色细化及其应用 第 16 章：随机规划与提升推理

对「提升概率推理」领域感兴趣的读者可前往预览章节阅读相应内容。