开始搜索几个单词就足够了。如果您需要进行更复杂的查询,请使用以下提示进行指导。
问题标题:多关系数据挖掘研究进展
文章类型:研究文章
作者:温妮斯·梅特|简·斯特鲁伊夫|亨德里克·布洛克
附属公司:计算机科学系,Katholieke比利时鲁汶3001,Celestijnenlaan 200A,Universiteit Leuven。{wannes.meert,jan.struyf,hendrik.blockeel}@cs.kuleuven.be
注:[]通信地址:计算机科学系,比利时鲁汶塞莱斯蒂尼南卡托利克大学200A,3001
摘要:因果关系存在于许多应用领域。因果关系的概率逻辑(CP-Logic)是一种概率建模语言特别是为了表达这种关系而设计的。本文调查了从训练数据中学习CP逻辑理论(CP理论)。它的冷杉标准贡献是SEM-CP逻辑,这是一种通过以下方法学习CP理论的算法利用贝叶斯网络(BN)学习技术。SEM-CP逻辑基于CP理论和BN之间的转换。也就是说,该方法应用BN学习以等效BN形式学习CP理论的技巧为此,需要对BN参数学习和结构搜索,最重要的是求精算子搜索所使用的必须保证构造的BN表示有效CP理论。本文的第二个贡献是理论和CP-理论和BN学习的实验比较。我们展示了最简单的CP理论可以用由noisy-OR组成的BN表示节点,而更复杂的理论需要接近完全连接的网络(除非在网络中引入额外的未观测节点)。实验在受控人工领域中,表明在后一种情况下,CP理论与BN学习相比,使用SEM-CP逻辑学习需要更少的训练数据。我们在HIV的医学应用中也应用SEM-CP逻辑研究表明,它可以在这方面与最先进的方法竞争域。
关键词:统计关系学习
日志:计算机基础理论2008年,第89卷,第1期,第131-160页