我正在寻找算法上的线索，以推断出一系列小说的时间表/年表。我把文本拆分成几天并创建了一个关系数据库，例如：X是Y，Y和Z连续前的一个月，Z的日期已知，X是星期二，等等。有不确定性（ '月'实际上只意味着大约30天），也是矛盾。我可以将某些关系标记为比其他关系更可靠，以帮助解决歧义和矛盾。
从这种数据中推导出最合适的年表，存在哪种算法，为每天分配最高概率的日期？至少时间是一维的，但处理具有不一致性的复杂关系图似乎是非平凡的。我有一个CS背景，所以我可以编写代码，但对适用算法的名称有所了解会有所帮助。我想我所拥有的是一个图表，其中天数作为节点作为边缘关系。
答案 0 :(得分：0)
约束编程是您所需要的。在基于传播的CP中，您可以在（a）在搜索树中的当前选择点做出决策和（b）尽可能地传播该决策的后果之间进行切换。从理论上讲，您可以通过为每个问题变量D维护一个x个可能值的域来实现此目的，这样D(x)就是x的值集，这些值尚未被排除沿着当前的搜索路径。在您的问题中，您可以将其减少为一大组布尔变量x_ij，如果事件x_ij位于事件i之前，则j为真。最初D(x) = {true, false}表示所有变量。决定只是减少未定变量的域（对于布尔变量，这意味着将其域减少为单个值，true或false，这与赋值相同）。如果搜索路径D(x)中的任何一点在任何x处变为空，那么您已达到死胡同并且必须回溯。
如果您很聪明，您将尝试从每次失败中学习，并根据需要撤回搜索树，以避免冗余搜索（这称为回跳 - for例如，如果您确定您在第7级达到的死胡同是由您在第3级做出的选择引起的，那么仅回溯到第6级就没有意义，因为没有解决方案存在在这个子树中给出你在3级做出的选择！）。
现在，鉴于您对数据有不同程度的信任，您实际上存在优化问题。也就是说，您不只是在寻找满足必须为真的所有约束的解决方案，而是最能满足其他＆＃34; soft＆＃34;根据您对它们的信任程度进行约束。您需要做的是决定目标函数为给定的一组满足/违反的部分约束分配分数。然后，当您发现当前搜索路径无法改进以前找到的最佳解决方案时，您希望修剪搜索。
如果你决定采用布尔方法，你可以有利地研究SAT解算器，它解决了这些问题。但我看到的第一个地方是MiniZinc，这是一种CP语言，它映射到各种各样的最先进的约束求解器。
祝你好运！
答案 1 :(得分：0)
对您的问题的简单粗略的第一个近似是存储信息，例如＆＃34; A发生在B＆＃34;之前。在有向图中，其边缘类似于＆＃34; A - ＆gt; B＆＃34 ;.测试图表以查看它是否是有向无环图（DAG）。如果是这样的话，信息是一致的，因为在其他事情之前有一致的年代表。您可以通过打印＆＃34;拓扑排序＆＃34;来获得样本线性年表。 DAG的（topsort）。如果事件C和D同时发生或者没有信息说明哪一个出现在另一个之前，它们可能会作为ABCD或ABDC出现在topsort中。您甚至可以使用topsort算法打印所有可能性（因此ABCD和ABDC），以便使用更详细的信息进行进一步分析。
如果您获得的图形不是DAG，则可以使用类似Tarjan算法的算法快速识别强连通组件＆＃34;这些图形区域包含时间顺序矛盾循环的形式。然后，您可以更仔细地分析它们，以确定可以去除哪些不太可靠的边缘来解决矛盾。识别要去除的边缘以消除周期的另一种方法是搜索＆＃34;最小反馈弧集＆＃34;。这通常是NP难的，但如果你的强连接组件很小，那么搜索是可行的。