一、简介

概率软逻辑（PSL，Probabilistic soft logic）是用于开发概率模型的机器学习框架，由加州大学圣克鲁兹分校和马里兰大学的统计关系学习小组LINQS开发。目前其复杂的环境构建方式和Groovy语言表达给像作者一样的初学者带来了不小的困难，而且诸多的依赖项经常使原本已经构建好的模型小错误频繁。

经过努力，作者将其构建成单个jar包，并且加入编码机制使其可以支持各种语言的数据。主要贡献有三：

1.将PSL原本复杂的依赖打包为单个jar包，加入依赖即可开始使用。

2. 将不够熟悉的Groovy语言模型构建方式全部转化为.java支持，只需一个.java文件便可进行模型构建。

3.加入编码机制，使PSL可以轻松处理除英文以外语言的数据。

链接：https://pan.baidu.com/s/1PybpNoPpvk4jmSMw7Rm_7A 密码：g1cx
链接文件夹里有三个文件：
PSL_swust1.0.jar 修改过的PSL模型
SimpleAcquaintances.zip PSL官方例子的改编版本（不包含权重学习和函数）
Entity_resolution.zip PSL官方例子的改编版本（包含权重学习和函数）

使用时请将PSL_swust1.0.jar加入java项目依赖即可，导入示例项目也需要将项目lib文件夹下PSL_swust.jar加入依赖。

二、举例说明

以SimpleAcquaintances内SimpleAcquaintances.java为例进行阐述。

1.配置项

/** ======【配置项】======*/Tool tool = new Tool();DataStore datastore;HashMap<String, Partition> partitions = new HashMap<String, Partition>();String path = tool.getPath(new SimpleAcquaintances().getClass())+ "/../data/";// SimpleAcquaintances改为当前类名String[] paths = tool.getFiles(path);PSLMODEL psl = new PSLMODEL(paths, "H2");// 在安装了postgresql数据库时可H2改为postgresqldatastore = psl.getDatastore();psl.transcoding = false;//是否给数据编码(此值只决定数据是否编码，谓词默认都要编码)

• 使用时SimpleAcquaintances需要改为当前类名（目的是为了通过Tool类 getPath() 函数获取获取当前项目文件夹）。
• 当安装配置了postgreSQL时可将 “H2” 改为 “postgresql” 来使用postgreSQL数据库（H2为模型自带数据库，运行于内存）。
• transcoding 项设置为 true 时候模型会给数据编码，此时模型可以支持处理各种语言的数据（另外，设置true编码后设置谓词属性为UniqueIntID，可提升模型计算效率）。
• 此修改后的版本依然保留了PSL自带的相似度计算函数和自定义函数功能，但是编码后的数据无法通过PSL自带相似度计算函数计算相似度 (因为，编码后的数据不再是原来的字符串)。

2.定义分区

        // 权重学习分区// partitions.put("learn_obs", datastore.getPartition("learn_obs"));// partitions.put("learn_target",// datastore.getPartition("learn_target"));// partitions.put("learn_truth", datastore.getPartition("learn_truth"));// 实验分区datastore = psl.getDatastore();partitions.put("obs", datastore.getPartition("obs"));partitions.put("target", datastore.getPartition("target"));partitions.put("truth", datastore.getPartition("truth"));psl.setPartitions(partitions);

• 当需要权重学习时（有训练数据时），需要定义权重学习分区。
• “obs” 代表已知数据分区；
• “target” 代表要推理的目标数据储存分区（当要使用LazyInference推理时可以不往里面加载数据），
• “truth” 为真实数据分区。

3.谓词（函数）定义

HashMap<String, ConstantType[]> p = new HashMap<String, ConstantType[]>();HashMap<String, ExternalFunction> f = new HashMap<String, ExternalFunction>();// 添加谓词p.put("Lived", new ConstantType[] { ConstantType.UniqueStringID,ConstantType.UniqueStringID });p.put("Likes", new ConstantType[] { ConstantType.UniqueStringID,ConstantType.UniqueStringID });p.put("Knows", new ConstantType[] { ConstantType.UniqueStringID,ConstantType.UniqueStringID });// 添加函数
//      f.put("SameInitials", new SameInitials());
//      f.put("SameNumTokens", new SameNumTokens());psl.definePredicates(p, f);// 谓词、函数输入模型

• 谓词定义只需替换修改即可，可随意增减。
• 谓词常用属性有UniqueStringID、UniqueIntID、String等。
• 函数可以定义PSL自带相似度函数（transcoding 为false时），也可定义继承自ExternalFunction的自定义函数。

4.规则定义

String[] rules = {"20.0: ( LIVED(P1, L) & (P1 != P2) & LIVED(P2, L) ) >> KNOWS(P1, P2) ^2","5.0: ( (L1 != L2) & (P1 != P2) & LIVED(P2, L2) & LIVED(P1, L1) ) >> ~( KNOWS(P1, P2) ) ^2","10.0: ( LIKES(P2, L) & (P1 != P2) & LIKES(P1, L) ) >> KNOWS(P1, P2) ^2","5.0: ( KNOWS(P1, P2) & KNOWS(P2, P3) & (P1 != P3) ) >> KNOWS(P1, P3) ^2","1.0 * KNOWS(P1, P2) + -1.0 * KNOWS(P2, P1) = 0.0 .","5.0: ~( KNOWS(P1, P2) ) ^2"};psl.defineRules(rules);// 规则输入模型

• 规则格式: 权重: 规则体 >> 规则头
• ^2代表平方优化，
• 定义自己项目的规则只需按照例子里的规则格式增减规则即可。
• 提示：算术规则的定义只能写成 "apredicateX（A，B）+bpredicte（A，B）= 0.0 ." 的形式，如PSL可接受的规则：“Knows(P1, P2) = Knows(P2, P1) .” 在作者修改版本中请写成 "1.0 KNOWS(P1, P2) + -1.0 KNOWS(P2, P1) = 0.0 ." ，否则会报错，后期会进行优化。

5.导入数据

/** ======【导入数据】======* 其中"1-2"表示对数据的一二列进行转码* 只有在transcoding = true时作用，表示只对1，2两列进行转码*/psl.loadData("Lived", path + "Lived_obs.txt", "obs", "1-2");psl.loadDataTruth("Likes", path + "likes_obs.txt", "obs", "1-2");psl.loadData("Knows", path + "knows_obs.txt", "obs", "1-2");psl.loadData("Knows", path + "knows_targets.txt", "target","1-2");psl.loadDataTruth("Knows", path + "knows_truth.txt", "truth","1-2");
//      ArrayList<String[]> likepe = tool.fileToArrayList(path + "likes_obs.txt", "1-2-3");
//      psl.insertDataTruth("Likes", likepe, "obs");
//      psl.insertData("Likes", likepe, "obs");

• 此版本提供了loadData，loadDataTruth，insertData，insertDataTruth四种方法载入数据，格式为：loadData("谓词",谓词对应数据文件路径, "要导入的分区", "要取的列（不包含概率值那一列）")
• loadData，loadDataTruth中的"1-2"表示对数据的一二列进行转码， 只有在transcoding = true时作用，表示对数据文件里的1，2两列进行转码，多列增加即可，以“-”分开。
• loadData，loadDataTruth区别在于：用loadDataTruth加载数据，默认最后一列为概率值；
• insertData，insertDataTruth适用于一个数据文件存储了多个谓词对应数据的情况，使用前需要先将文件转化为List数据，此文版本里包含的工具类Tool提供了 fileToArrayList（"文件路径"，"要提取的列数"）函数辅助完成转化工作。
• ""1-2-3""表示要取出1、2、3作为谓词的数据，insertDataTruth取出的每个数据 "1-2-...-n"的第n项默认是概率值。

6.权重学习

//  psl.learnWeights("learn_target", "Lived-Likes", "learn_obs", "learn_truth","MaxLikelihoodMPE");

• 格式：learnWeights("训练数据目标分区", "封闭谓词，即：作为已知数据，推理过程不会再新产生的原子", "训练数据已知数据分区", "真实数据存放分区","权重学习方法")
• 当有训练数据时候可进行权重学习优化规则权重。
• 此版本保留了五种PSL权重优化方法：
"LazyMaxLikelihoodMPE",
"MaxLikelihoodMPE",
"MaxPiecewisePseudoLikelihood"，
"MaxPseudoLikelihood",
"SimplexSampler"
替换即可使用。

7.打印输出模型

psl.printModel();

• 可用于查看已经定义的模型及编码后的模型（规则）。

8.运行推理

//      psl.runLazyInference("已知数据分区", "目标分区（存放结果）");
//      psl.runLazyInference("obs", "target");
//      psl.runInference(""已知数据分区"","封闭谓词1-封闭谓词2" , "目标分区（包含定义的目标原子）");psl.runInference("obs","Lived-Likes" , "target");

• 此版本有两种推理方式：LazyMPEInference，MPEInference。
• LazympeInference格式：runLazyInference("已知数据分区", "目标分区 用于存放结果")
• MPEInference格式：runInference(""已知数据分区"","封闭谓词1-封闭谓词2" , "目标分区 包含了输入的目标原子")

9.数据输出

psl.writeOutput("target", "Knows", path+ "/result/knows_inffer.txt");

• 输出函数使用格式：writeOutput("目标分区", "要输出的数据对应谓词1-要输出的数据对应谓词2", 输出路径)

10.评估实验结果

psl.evalResults("target", "truth", "Knows", path+ "/result/evalResults.txt");

• 评估函数使用格式：evalResults("目标分区", "真实数据分区", "目标谓词1-目标谓词2", 评估结果输出路径)
• 值得一提的是，"目标谓词1-目标谓词2" 项需要填写所有真实数据分区所包含数据对应的谓词。

11.关闭模型

psl.closeModel();

• 推理完成，请关闭模型。