马尔可夫逻辑网络 (MLN)

马尔可夫逻辑网络（Markov Logic Network, MLN）是由一阶逻辑公式及其对应的实数权重构成的二元组集合。其核心思想在于放松传统一阶逻辑的绝对约束，将逻辑公式视为具有概率性的软约束：违反公式的次数越多，该事件发生的概率越低，但并非绝对为零。MLN 本质上是将逻辑知识转化为概率分布，使得系统能够处理不确定性、冲突信息以及部分观测数据，成为连接符号人工智能与统计机器学习的重要桥梁。

在现代计算架构中，马尔可夫逻辑网络扮演着‘逻辑与概率的翻译器’角色。它解决了传统概率模型难以表达复杂逻辑规则，以及传统逻辑系统无法处理模糊和冲突信息的痛点。MLN 广泛应用于知识图谱推理、自然语言处理中的语义理解、生物信息学中的基因网络分析以及智能决策系统。其生态地位在于为构建可解释、高鲁棒性的混合推理系统提供了标准化的数学基础，是构建下一代认知计算系统的核心组件之一。