阿希姆·雷廷格;乌塔州洛施;Tresp，沃尔克;达马托女士，克劳迪娅;尼古拉·法尼兹 挖掘语义web统计学习的下一代知识库。 （英语） Zbl 1235.68228号 数据最小知识。发现。 24，第3期，613-662（2012）. 摘要：在万维网的语义网愿景中，内容不仅可以被人类访问，而且可以作为本体知识库以机器可解释的形式提供。本体知识库支持形式查询和推理，因此，一个主要的研究重点是研究如何在本体表示中使用演绎推理来实现更高级的应用。然而，由于以下几个原因，纯逻辑方法尚未被证明是非常有效的：首先，推理到Web规模的可伸缩性仍然存在尚未解决的问题。其次，逻辑推理存在不确定性信息的问题，由于语义Web数据的分布式和异构性，语义Web数据中存在大量不确定性信息。第三，适用于高级推理技术的本体知识库的构建非常复杂，这最终导致缺乏具有大量实例数据的表达性真实世界数据集。从另一个角度来看，更具表现力的结构化表示为数据挖掘、知识提取和机器学习技术开辟了新的机会。如果转向部分知识已经存在于数据中的观点，归纳方法似乎很有前途，特别是因为归纳方法可以固有地处理有噪声、不一致、不确定和缺失的数据。虽然从结构化程度较低的源（文本、网页）中归纳概念结构已经有了广泛的覆盖范围，就像在本体学习中一样，但鉴于上述问题，我们将重点放在处理语义Web知识库的新方法上，依赖于对其标准表示的统计推断。我们认为，机器学习研究必须提供多种方法，适用于语义Web知识库的不同表达水平：从RDF中表达能力弱但可用性广的知识库到表达能力强的一阶知识库，本文综述了挖掘语义Web的统计方法。我们特别介绍了基于相似性和距离的方法、核机器、多元预测模型、关系图形模型和一阶概率学习方法，并讨论了它们对语义Web表示的适用性。最后，我们给出了针对前面提出的一些算法在语义Web挖掘任务上进行的选定实验。这旨在展示数据挖掘这一新兴研究和应用领域的广度和一般潜力。 引用于三文件 MSC公司： 68立方英尺 知识表示 68T05型 人工智能中的学习和自适应系统 关键词：语义网;本体论;知识表示;描述逻辑;RDF公司;链接的数据;语义相似性;内核;多元预测;一阶概率学习;关系图形模型 软件：ElemStatLearn（电子状态学习）;旋转（swrl）;DL-学习者;贝叶斯OWL PDF格式BibTeX公司 XML格式引用 \textit{A.Retinger}等人，《数据最小知识》。发现。24，第3号，613--662（2012；Zbl 1235.68228） 全文： DOI程序 参考文献： [1] Baader，F，Calvanee，D，McGuinness，D，Nardi，D，Patel-Schneider，P（eds）（2003）《描述逻辑手册》。剑桥大学出版社·Zbl 1058.68107号 [2] Berners-Lee T，Hendler J，Lassila O（2001）语义网。科学美国人 [3] Bicer V，Tran T，Gossen A（2011）用于从图结构的rdf数据中学习的关系内核机器。参见：Antoniou G等人（编辑）《第八届扩展语义网络会议论文集》，ESWC 2011，LNCS第6643卷。施普林格，第47–62页 [4] Bizer C、Heath T、Berners-Lee T（2009）关联数据-迄今为止的故事。国际赛曼网络信息系统杂志5（3）：1–22 [5] Blei DM、Ng AY、Jordan MI（2003）《潜在的dirichlet分配》。J Mach学习研究3:993–1022·Zbl 1112.68379号 [6] Bloehdorn S，Sure Y（2007）本体中挖掘实例数据的内核方法。摘自：Aberer K等人（编辑）第六届国际语义网络会议论文集，ISWC2007，LNCS第4825卷。施普林格，第58–71页 [7] Bloehdorn S，Haase P，Sure Y，Voelker J（2006）《本体论进化》。收录：Davies J，Studer R，Warren P（编辑）语义网络研究。纽约威利 [8] Bock H（1999）符号数据分析：从复杂数据中提取统计信息的探索性方法。柏林斯普林格-Verlag [9] Borgida A，Walsh T，Hirsh H（2005）《描述逻辑中的相似性度量》。In:Horrocks I，Sattler U，Wolter F（eds）国际描述逻辑研讨会工作笔记，CEUR研讨会论文集第147卷，英国爱丁堡 [10] Brickley D，Miller L（2007）《FOAF词汇规范》。FOAF项目技术报告。2007年5月24日在线发布http://xmlns.com/foaf/spec/20070524.html [11] Bright MW、Hurson AR、Pakzad SH（1994）多数据库中语义异构性的自动解决。ACM Trans数据库系统19（2）：212–253·数字对象标识代码：10.1145/176567.176569 [12] Buildelaar P，Olejnik D，Sintek M（2004）基于语言分析的文本本体提取的保护插件。收录：第一届欧洲语义网络研讨会（ESWS）会议记录 [13] Bundschus M、Yu S、Tresp V、Rettinger A、Dejori M、Kriegel H-P（2009）合作标记系统的层次贝叶斯模型。In:IEEE国际数据挖掘会议系列（ICDM 2009） [14] Carbonetto P，Kisynski J，de Freitas N，Poole，D（2005）非参数贝叶斯逻辑。In：程序。第21个UAI [15] Cimiano P，Völker J（2005）文本2本体——本体学习和数据驱动的变化发现框架 [16] Cimiano P，Hotho A，Staab S（2005）使用形式概念分析从文本语料库学习概念层次。Artif Intell Res杂志24:305–339·1080.68700兹罗提 [17] Cohen W，Hirsh H（1994）学习经典描述逻辑。收录：Toraso P、Doyle J、Sandewall E（eds）《第四届知识表示和推理原则国际会议论文集》。Morgan Kaufmann，第121-133页 [18] Cumby C，Roth D（2003）关于关系学习的核心方法。在：Fawcett T，Mishra N（编辑）第20届机器学习国际会议论文集，ICML2003。AAAI出版社，第107–114页 [19] d'Amato C，Fanizzi N，Esposito F（2005）表达描述逻辑的语义相似性度量。收录于：Pettorossi A（ed）Convergno Italiano di Logica Computazionale（CILC05），意大利罗马。http://www.disp.uniroma2.it/CILC2005/downloads/papers/15.dAmato_CILC05.pdf . [20] d'Amato C，Fanizzi N，Esposito F（2006a）$${\（\backslash\）mathcal ALC}$$概念描述的差异性度量。摘自：第21届ACM应用计算年度研讨会论文集，SAC2006，第2卷，法国第戎。ACM，第1695-1699页 [21] d'Amato C，Fanizzi N，Esposito F（2006b）通过实例学习在描述逻辑中进行类比推理。收件人：Tummarello G，Bouquet P，Signore O（eds）Semantic Web applications and perspectives，第三届意大利语义Web研讨会，SWAP2006，CEUR研讨会论文集第201卷，意大利比萨 [22] d'Amato C，Fanizzi N，Esposito F（2008a）《描述逻辑中的类比推理》。在：da Costa P等人（编辑）《语义Web I的不确定性推理》，LNAI第5327卷。施普林格，第336–354页 [23] d’Amato C，Fanizzi N，Esposito F（2008b）查询回答和本体群体：一种归纳方法。摘自：Bechhofer S等人（编辑）《第五届欧洲语义网络会议论文集》，ESWC2008，LNCS第5021卷。施普林格，第288-302页 [24] d'Amato C，Staab S，Fanizzi N（2008c）《描述逻辑本体论对概念相似性的影响》。收录：Gangemi A，Euzenat J（编辑）第16届EKAW会议记录，EKAW2008，LNAI第5268卷。施普林格，第48–63页 [25] da Costa P、d'Amato C、Fanizzi N、Laskey K、Laskey K、Lukasiewicz T、Nickles M、Pool M（eds）（2008）《语义网络I的不确定性推理》，LNCS第5327卷。施普林格·Zbl 1152.68317号 [26] De Raedt L（2008）逻辑和关系学习：从ILP到MRDM（认知技术）。Springer-Verlag纽约公司，Secaucus [27] De Raedt L、Frasconi P、Kersting K、Muggleton S（编辑）（2008年）。概率归纳逻辑编程——理论与应用，计算机科学讲义第4911卷。施普林格·Zbl 1132.68007号 [28] De Salvo Braz R，Amir E，Roth D（2005）提出了一阶概率推断。收录于：IJCAI'05：第19届国际人工智能联合会议记录，美国加利福尼亚州旧金山，摩根考夫曼出版公司，第1319–1325页 [29] 丁Z（2005）BayesOWL:语义Web的概率框架。巴尔的摩马里兰大学博士论文 [30] Ding L，Kolari P，Ding Z，Avancha S（2007）《在语义Web中使用本体：一项调查》。本体论14:79–113 [31] Domingos P，Richardson M（2007）《马尔可夫逻辑：统计关系学习的统一框架》。摘自：Getoor L，Taskar B（eds）《统计关系学习导论》。麻省理工学院出版社，剑桥 [32] Duda R、Hart P、Stork D（2001）《模式分类》，第2版。威利 [33] Euzenat J，Shvaiko P（2007）《本体匹配》。施普林格，纽约·Zbl 1138.68488号 [34] Fanizzi N，d'Amato C（2006）$${\（\backslash\）mathcal{ALC}}$$概念描述的声明性内核。在：Esposito F等人（编辑）第16届智能系统方法学国际研讨会论文集，ISMIS2006，LNAI第4203卷。施普林格，第322–331页 [35] Fanizzi N，d'Amato C（2007）通过核心方法利用语义知识库进行归纳概念检索和查询回答。载于：Apolloni B、Howlett R、Jain L（eds）《第11届基于知识的智能信息和工程系统国际会议论文集》，KES2007，LNAI第4692卷，第148-155页。施普林格 [36] Fanizzi N，d'Amato C，Esposito F（2007）基于特征集的个体最优半距离归纳。In:Calvanee D等人（编辑）第20届国际描述逻辑研讨会工作笔记，DL2007，CEUR研讨会论文集第250卷，意大利布列萨诺 [37] Fanizzi N、d'Amato C和Esposito F（2008a）DL-Foil:描述逻辑中的概念学习。摘自：ZelezníF，LavračN（eds）《第18届归纳逻辑编程国际会议论文集》，ILP2008，LNAI第5194卷，捷克共和国布拉格。施普林格，第107–121页·Zbl 1156.68529号 [38] Fanizzi N，d'Amato C，Esposito F（2008b）基于诱导伪度量的进化概念聚类。Seman网络信息系统4（3）：44–67·doi:10.4018/jswis.2008070103 [39] Fanizzi N，d‘Amato C，Esposito F（2008c）在描述逻辑中使用内核进行学习。摘自：ZelezníF，LavračN（eds）《第18届归纳逻辑编程国际会议论文集》，ILP2008，LNAI第5194卷。施普林格，第210–225页·Zbl 1156.68530号 [40] Fanizzi N，d'Amato C，Esposito F（2008d）《OWL本体上归纳查询应答的统计学习》。参见：Sheth A等人（编辑）《第七届国际语义网络会议论文集》，ISWC2008，LNCS第5318卷，第195-212页。施普林格 [41] Fanizzi N，d'Amato C，Esposito F（2009）ReduCE：近似分类的简化库仑能量网络方法。载于：Aroyo L等人（编辑）《第六届欧洲语义网络会议论文集》，ESWC2009，LNCS第5554卷，第323–337页。施普林格 [42] Gärtner T，Flach P，Wrobel S（2003）《关于图核：硬度结果和有效替代品》。收录于：Schölkopf B，Warmuth MK，（eds）计算学习理论和内核机器（COLT/kernel 2003），计算机科学讲义第2777卷，第129-143页。柏林施普林格·Zbl 1274.68312号 [43] Gärtner T，Lloyd J，Flach P（2004）结构化数据的核和距离。马赫数学习57（3）：205–232·Zbl 1079.68086号 ·doi:10.1023/B:MACH.0000039777.23772.30 [44] Getoor，L，Taskar，B（eds）（2007）《统计关系学习导论》。麻省理工学院出版社，剑桥·Zbl 1141.68054号 [45] Getoor L、Friedman N、Koller D、Pferrer A、Taskar B（2007）概率关系模型。摘自：Getoor L，Taskar B（eds）《统计关系学习导论》。麻省理工学院出版社，剑桥 [46] Giugno R，Lukasiewicz T（2002）P-$${\（\backslash\）mathcal{SHOQ}}$$（D）：语义Web中概率本体的$${\（\bachslash\，mathcal}$$的概率扩展。摘自：JELIA’02：欧洲人工智能逻辑会议纪要。Springer-Verlag，伦敦，第86–97页·Zbl 1014.68537号 [47] Grobelnik M，Mladenic D（2006），本体构建的知识发现。收录：Davies J，Studer R，Warren P（编辑）语义网络技术。纽约威利 [48] Hastie T，Tibshirani R，Friedman J（2001）统计学习的要素——数据挖掘、推理和预测。施普林格，纽约·Zbl 0973.62007号 [49] Heckerman D，Geiger D，Chickering D（1995）学习贝叶斯网络：知识和统计数据的结合。马赫数学习20（3）：197–243·Zbl 0831.68096号 [50] Hitzler P，VrandecićD（2005）基于分辨率的OWL DL近似推理。收录：Gil Y等人（编辑）《第四届国际语义网络会议论文集》，ISWC2005，LNCS第3279号。戈尔韦施普林格，第383–397页 [51] Horrocks I、Patel-Schneider P、Boley H、Tabet S、Grosof B、Dean M（2004）Swrl：一种结合owl和ruleml的语义Web规则语言。W3C会员提交文件21:79 [52] Horvth T，Grtner T，Wrobel S（2004）预测图挖掘的循环模式核。收录人：Kim W、Kohavi R、Gehrke J、DuMouchel W（eds）《10t ACM SIGKDD知识发现和数据挖掘国际会议论文集》（KDD 2004），2004年8月22日至25日，美国华盛顿州西雅图。ACM出版社，纽约，第158–167页 [53] Huang Y，Tresp V，Bundschus M，Rettinger A（2009）稀疏和不完整域的可伸缩关系学习。收录：统计关系学习国际研讨会论文集（SRL-2009） [54] Huang Y，Tresp V，Bundschus M，Rettinger A（2010）《语义网络学习的多元结构化预测》。In：程序。第20届归纳逻辑程序设计国际会议（ILP 2010） [55] Huynh TN，Mooney RJ（2011）马尔可夫逻辑网络的在线结构学习。摘自：《欧洲机器学习与数据库知识发现原理与实践会议论文集》（ECML-PKDD 2011），第2卷，第81-96页 [56] Iannone L，Palmisano I，Fanizzi N（2007）基于反事实的语义网络概念学习算法。应用智能26（2）：139–159·doi:10.1007/s10489-006-0011-5 [57] Jaeger M（1997）关系贝叶斯网络。附：第13届人工智能不确定性会议论文集·Zbl 0945.03543号 [58] Janowicz K（2006）Sim-DL：地理信息检索中描述逻辑$${\（\backslash\）mathcal{ALCNR}}$$的语义相似性度量理论。参见：Meersman R等人（编辑）《SeBGIS 2006年会议录》，OTM研讨会，LNCS第4278卷。施普林格，第1681–1692页 [59] Janowicz K，Wilkes M（2009）Sim-dl a:描述逻辑的一种新的语义相似性度量，用于减少概念间到实例间的相似性。收录：第六届欧洲语义网络年会（ESWC2009）会议记录，LNCS第5554卷。施普林格，第353–367页 [60] Janowicz K，Keßler C，Schwarz M，Wilkes M，Panov I，Espeter M，Bäumer B（2007）sim-dl相似性服务器的算法、实现和应用。收录于：2007年地理信息系统会议记录，第二届地理空间语义学国际会议，LNCS。施普林格，第128–145页 [61] Jarvelin K，Kekalainen J（2000）检索高度相关文档的IR评估方法。单位：SIGIR’00 [62] Karatzoglou A，Amatriain X，Baltrunas L，Oliver N（2010）《多维推荐：上下文软件协同过滤的N维张量因子分解》。收录：第四届ACM推荐系统会议论文集，RecSys’10。ACM，纽约，第79-86页 [63] Kersting K，De Raedt L（2001）贝叶斯逻辑程序。弗赖堡阿尔伯特路德维希大学技术报告·兹比尔1006.68504 [64] Kiefer C，Bernstein A，Locher A（2008）通过统计关系学习方法向sparql添加数据挖掘支持。在ESWC 2008中。Springer-Verlag公司 [65] Kifer M（2008）《规则交换格式：框架》。In:Web推理和规则系统，第1-11页 [66] Koller D，Pfeffer A（1998），基于概率框架的系统。在全国人工智能会议（AAAI）上 [67] Koller D，Levy AY，Pfeffer A（1997）《P-CLASSIC：一种易处理的概率描述逻辑》。收录：AAAI/IAAI，第390-397页 [68] Koren Y（2008）分解满足邻域：一个多方面的协作过滤模型。在第14届ACM SIGKDD国际知识发现和数据挖掘会议上。ACM，第426–434页 [69] Lafferty JD，McCallum A，Pereira FCN（2001）条件随机场：用于分割和标记序列数据的概率模型。参加：机器学习国际会议 [70] Lee DD，Seung HS（1999）通过非负矩阵分解学习对象的各个部分。自然 [71] Lee J，Kim M，Lee Y（1993）基于is-a层次中概念距离的信息检索。J文献2（49）：188–207·doi:10.1108/eb026913 [72] Lehmann J（2009）DL-Learner：描述逻辑中的学习概念。J Mach学习研究10:2639–2642·Zbl 1235.68227号 [73] Lehmann J，Hitzler P（2008）$${{\（\backslash\）mathcal ALC}}$$描述逻辑的基于求精算子的学习算法。收录：Blockeel H、Ramon J、Shavlik J、Tadepalli P（eds）《第17届归纳逻辑编程国际会议论文集》，ILP2007，LNCS第4894卷。施普林格·Zbl 1136.68490号 [74] Lippert C，Huang Y，Weber SH，Tresp V，Schubert M，Kriegel H-P（2008）使用矩阵分解在多关系域中进行关系预测。技术报告。西门子 [75] Lisi FA，Esposito F（2005）《语义Web的ilp透视图》。摘自：《2005年SWAP会议录》，第二届意大利语义网络研讨会，意大利特伦托，2005年12月14-16日。CEUR研讨会记录 [76] Lukasiewicz T（2007）概率描述逻辑程序。国际J近似原因45（2）：288–307·Zbl 1122.68027号 ·doi:10.1016/j.ijar.2006.06.012 [77] Maedche A，Staab S（2004）《本体学习》。摘自：Staab S，Studer R（编辑）《本体论手册》。国际信息系统手册。施普林格，第173-190页 [78] Maynard D，Peters W，Li Y（2006）基于本体论的信息提取评估指标。In:EON 2006研讨会的进展 [79] Mika P（2004）《社交网络与语义网》。在：2004年IEEE/WIC/ACM网络智能国际会议论文集，WI’04。IEEE计算机学会，华盛顿，第285-291页 [80] Milch B、Zettlemoyer LS、Kersting K、Haimes M、Kaelbling LP（2008）利用计数公式提升概率推断。摘自：AAAI'08：第23届全国人工智能会议记录。AAAI出版社，第1062–1068页 [81] Miles A，Brickley D（2005）SKOS核心指南。W3C工作草案，W3C。2005年11月2日在线发布http://www.w3.org/TR/2005/WD-swbp-skos-core-guide-20051102/ [82] Muggleton S（1996）《随机逻辑程序》。In：新一代计算。学术 [83] Newman D，Asuncion A，Smyth P，Welling M（2007），潜在dirichlet分配的分布式推断。Adv神经通知过程系统20（1081-1088）：17-24 [84] Ng RT，Subrahmanian VS（1990）演绎数据库中支持主观概率和条件概率的语义框架。技术报告，美国马里兰州College Park [85] Nickel M、Tresp V、Kriegel H-P（2011），多关系数据集体学习的三方模型。附：第28届机器学习国际会议记录（ICML 2011） [86] Nixon LJB、Simperl E、Krummenacher R、Martin-Recuerda F（2008）《基于Tuplespace的语义网络计算：最先进技术的调查》，《知识工程评论》23:181–212 [87] Passerini A、Frasconi P、De Raedt L（2006）《序言证明树上的内核：ILP设置中的统计学习》。J Mach学习研究7:307–342·Zbl 1222.68280号 [88] Poole D（1997）在不确定性下建模多个代理的独立选择逻辑。艺术智能94（1-2）：7–56·Zbl 0902.03017号 ·doi:10.1016/S0004-3702（97）00027-1 [89] Poole D（2003）一阶概率推断。IJCAI'03：第18届国际人工智能联合会议记录。Morgan Kaufmann Publishers Inc，旧金山，第985–991页 [90] Poon H，Domingos P（2010）《文本的非监督本体归纳》。摘自：计算语言学协会第48届年会论文集，ACL’10。计算语言学协会，斯特劳德斯堡，第296–305页 [91] Porteous I，Newman D，Ihler A，Asuncion A，Smyth P，Welling M（2008）潜在dirichlet分配的快速坍塌吉布斯采样。图：第14届ACM SIGKDD知识发现和数据挖掘国际会议开幕式。ACM，第569–577页 [92] Predoiu L（2006）《贝叶斯描述逻辑程序的信息集成》。附：与WWW2006联合举办的网络信息集成研讨会（IIWeb 2006）会议记录，苏格兰爱丁堡 [93] Predoiu L，Stuckenschmidt H（2008）语义网络语言的概率扩展——一项调查。在：Ma Z，Wang H（编辑）知识和数据管理的语义网：技术和实践，第5章。创意集团公司 [94] Punyakanok V，Roth D，Yih W-T，Zimak D（2005）《受限输出的学习和推理》。摘自：IJCAI'05：第19届国际人工智能联合会议记录。Morgan Kaufmann Publishers Inc，旧金山，第1124–1129页 [95] Rada R，Mili H，Bicknell E，Blettner M（1989）语义网度量的开发和应用。IEEE Trans-Syst Man Cybern 19（1）：17–30·doi:10.1109/21.24528 [96] Rendle S，Schmidt-Thieme L（2010）个性化标签推荐的成对交互张量因子分解。摘自：WSDM 2010：2010年ACM网络搜索和数据挖掘国际会议记录。ACM公司 [97] Rendle S、Freudenthaler C、Schmidt-Thieme L（2010）下一个银行推荐的个性化马尔可夫链分解。摘自：第19届万维网国际会议记录。ACM，第811-820页 [98] Resnik P（1999）《分类学中的语义相似性：一种基于信息的测量方法及其在自然语言歧义问题中的应用》。J Artif Intell Res杂志11:95–130·Zbl 0924.68155号 [99] Retinger A、Nickles M、Tresp V（2009）《形式本体的统计关系学习》。摘自：欧洲数据库机器学习和知识发现会议记录，ECML/PKDD2009。施普林格，第286–301页 [100] Richardson M，Domingos P（2006），马尔可夫逻辑网络。J Mach学习研究62（1-2）：107–136·Zbl 1470.68221号 ·doi:10.1007/s10994-006-5833-1 [101] Sato T，Kameya Y，Zhou N-F（2005）《棱镜失效的生成建模》。摘自：IJCAI'05：第19届国际人工智能联合会议记录。Morgan Kaufmann Publishers Inc，旧金山，第847–852页 [102] Sebag M（1997）一阶逻辑中的距离归纳法。收录于：Díeroski S，LavračN（eds）《第七届归纳逻辑编程国际研讨会论文集》，ILP97，LNAI第1297卷。施普林格，第264–272页 [103] Shawe-Taylor J，Cristianini N（2004），模式分析的核方法。剑桥大学出版社·Zbl 0994.68074号 [104] Shervashidze N，Borgwardt K（2009）图上的快速子树核。收录：Bengio Y、Schuurmans D、Lafferty J、Williams C、Culotta A（编辑）《神经信息处理系统进展》（NIPS 2009）。神经信息处理系统基金会，第1660–1668页 [105] Singla P，Domingos P（2006）《马尔可夫逻辑的实体解析》。摘自：2006年ICDM第六届数据挖掘国际会议记录。华盛顿IEEE计算机协会，第572-582页 [106] Stumme G、Hotho A、Berendt B（2006）《面向语义Web挖掘》。Web Seman杂志4（2）：124–143·兹比尔1048.68679 ·doi:10.1016/j.websem.2006.02.001 [107] Takacs G、Pilaszy I、Nemeth B、Tikk D（2007）《关于重力推荐系统》。收录：2007年KDD杯和研讨会会议记录 [108] Taskar B、Abbeel P、Koller D（2002），关系数据的判别概率模型。In：人工智能中的不确定性（UAI） [109] Thor A、Anderson P、Raschid L、Navlakha S、Saha B、Khuller S、Zhang X（2011）《使用图形摘要对注释图形进行链接预测》。纽约州施普林格，第714-729页 [110] Tiropanis T，Davis H，Millard D，Weal，M（2009）《web 2.0时代学习和教学的语义技术：英国高等教育调查》。In:网络科学2009年会议 [111] Tresp V、Bundschus M、Rettinger A、Huang Y（2008）《面向语义网络上的机器学习》。在：da Costa P等人（编辑）《语义Web I的不确定性推理》，LNAI第5327卷。施普林格 [112] Tresp V，Huang Y，Jiang X，Rettinger A（2011）关系建模关系上下文的图形模型。在：知识发现和信息检索国际会议记录（KDIR） [113] Velardi P、Navigli R、Cucchiarelli A、Neri F（2005）本体学习评估，一种本体论自动学习方法。收录：Buildelaar P、Cimmiano P、Magnini B（编辑）《从文本中学习本体：方法、评估和应用》。IOS出版社 [114] Wermser H，Retinger A，Tresp V（2011）使用张量分解建模和学习上下文软件推荐场景。In:社交网络分析和挖掘进展国际会议进程 [115] Xu Z，Tresp V，Yu S，Yu K，Kriegel H-P（2007）无限隐藏关系模型中的快速推理。收录：Frasconi P、Kersting K、Tsuda K（编辑）《图形挖掘与学习学报》，MLG2007 [116] Yu S，Yu K，Tresp V（2005）图的软聚类。主题：神经信息处理系统进展，第18卷·Zbl 1112.68453号 [117] Yu K，Chu W，Yu S，Tresp V，Xu Z（2006）鉴别链接预测的随机关系模型。主题：神经信息处理系统进展，第19卷 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。