×
费伦斯，大安;拉蒙，简;莫里斯·布吕诺格;亨德里克·布洛克

学习导向的概率逻辑模型：排序搜索与结构搜索。 （英语） Zbl 1176.68159号

安。数学。工件。智力。 54，编号1-3，99-133（2008）.
摘要：我们讨论了如何从关系数据中学习非递归有向概率逻辑模型。这个问题以前已经通过升级最初为贝叶斯网络提出的结构搜索算法来解决。本文介绍了如何升级另一种贝叶斯网络学习算法，即排序搜索。对于贝叶斯网络，排序搜索比结构搜索工作得更好。然而，由于排序搜索需要以不同的方式实现，因此这些结果会传递到关系案例中是不明显的。因此，我们在四个关系域上对这些升级算法进行了实验比较。我们得出的结论是，在关系型案例中，排序搜索在学习模型的质量方面与结构搜索竞争，而排序搜索的速度要快得多。

引用于2文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
68T27型 人工智能中的逻辑
68层37 人工智能背景下的不确定性推理
PDF格式BibTeX公司 XML格式引用
\textit{D.Fierens}等人，《数学年鉴》。工件。智力。54，编号1--3，99-133（2008；Zbl 1176.68159）
全文： 内政部 链接

参考文献：

[1] Boutiler，C.、Friedman，N.、Goldszmidt，M.、Koller，D.：贝叶斯网络中的上下文特定独立性。摘自：《第十二届人工智能不确定性会议论文集》，第115-123页，波特兰，1996年8月1-4日
[2] Chickering，D.：学习贝叶斯网络结构的等价类。J.马赫。学习。第2445–498号决议（2002年）·Zbl 1007.68179号 ·doi:10.1162/1532443027600696
[3] Cooper，G.，Herskovits，E.：从数据中归纳概率网络的贝叶斯方法。机器。学习。9, 309–347 (1992) ·Zbl 0766.68109号
[4] Craven，M.、DiPasquo，D.、Freitag，D.、McCallum，A.、Mitchell，T.M.、Nigam，K.、Slattery，S.：学习从万维网中提取符号知识。摘自：《第十五届全国人工智能会议记录》，第509–516页（1998年）
[5] De Raedt，L.，Kersting，K.：概率归纳逻辑编程。摘自：第十五届算法学习理论国际会议论文集。计算机科学课堂讲稿，第3244卷，第19-36页。施普林格，纽约（2004）·兹比尔1110.68392
[6] Fierens，D.，Blockeel，H.，Bruynooghe，M.，Ramon，J.：逻辑贝叶斯网络及其与其他概率逻辑模型的关系。摘自：第十五届归纳逻辑程序设计国际会议论文集。计算机科学课堂讲稿，第3625卷，第121-135页。施普林格，纽约（2005年）·Zbl 1134.68507号
[7] Fierens，D.，Ramon，J.，Blockeel，H.，Bruynooghe，M.：概率树修剪标准的比较。鲁汶大学计算机科学系技术代表CW 488。http://www.cs.kuleuven.ac.be/publicaties/rapporten/cw/CW488.abs.html (2007)
[8] Fierens，D.，Ramon，J.，Bruynooghe，M.，Blockeel，H.：从关系数据学习定向概率逻辑模型。鲁汶大学计算机科学系技术代表CW 490。http://www.cs.kuleuven.ac.be/publicaties/rapporten/cw/CW490.abs.html (2007) ·Zbl 1136.68483号
[9] Fierens，D.，Ramon，J.，Bruynooghe，M.，Blockeel，H.：学习导向概率逻辑模型：排序搜索与结构搜索。摘自：第18届欧洲机器学习会议记录。《人工智能课堂讲稿》，第4701卷，第567-574页。施普林格，纽约（2007）·Zbl 1176.68159号
[10] Friedman，N.、Getoor，L.、Koller，D.、Pfeffer，A.：学习概率关系模型。摘自：《第16届国际人工智能联合会议记录》，第1300-1307页。Morgan Kaufmann，斯德哥尔摩（1999）
[11] Friedman，N.，Goldszmidt，M.：学习具有局部结构的贝叶斯网络。收录于：Jordan，M.（编辑）《图形模型学习》，第421-459页。Kluwer学术，多德雷赫特（1998）·Zbl 0910.68176号
[12] Getoor，L.、Friedman，N.、Koller，D.、Pfeffer，A.：学习概率关系模型。收录于：Dzeroski，S.、Lavrac，N.（编辑）《关系数据挖掘》，第307-334页。施普林格，纽约（2001）
[13] Heckerman，D.，Geiger，D.，Chickering，D.：学习贝叶斯网络：知识和统计数据的结合。机器。学习。20, 197–243 (1995) ·兹比尔08316.8096
[14] Jaeger，M.：关系贝叶斯网络的参数学习。摘自：第24届机器学习国际会议论文集，辛辛那提，2007年12月13日至15日
[15] Kersting，K.，De Raedt，L.：走向归纳逻辑编程和贝叶斯网络的结合。摘自：第十一届归纳逻辑程序设计国际会议论文集。计算机科学课堂讲稿，第2157卷，第118-131页。施普林格，纽约（2001）·Zbl 1006.68518号
[16] Kersting，K.，De Raedt，L.：学习贝叶斯逻辑程序的基本原则。德国弗莱堡大学计算机科学研究所技术代表174（2002年）·兹比尔1137.68544
[17] Lloyd，J.：《逻辑编程基础》，第2版。施普林格，纽约（1987）·Zbl 0668.68004号
[18] Mihalkova，L.，Huynh，T.，Mooney，R.：映射和修改用于转移学习的马尔可夫逻辑网络。摘自：2007年7月22日至26日在温哥华举行的第22届人工智能会议记录
[19] Natarajan，S.，Wong，W.，Tadeballi，P.：一阶条件影响语言中的结构精化。摘自：2006年6月25日至29日在匹兹堡举行的ICML统计关系学习开放问题研讨会会议记录
[20] Ramon，J.，Croonenborghs，T.，Fierens，D.，Blockeel，H.，Bruynooghe，M.：学习定向概率逻辑模型的广义排序搜索。机器。学习。70(2–3), 169–491 (2008) ·Zbl 1470.68161号 ·doi:10.1007/s10994-007-5033-7
[21] Richardson，M.，Domingos，P.：马尔可夫逻辑网络。机器。学习。62(1–2), 107–136 (2006) ·Zbl 1470.68221号 ·doi:10.1007/s10994-006-5833-1
[22] Teyssier，M.，Koller，D.：基于顺序的搜索：学习贝叶斯网络的简单有效算法。摘自：《第21届人工智能不确定性会议论文集》，第584-590页。AUAI，赫尔辛基（2005）
[23] Van Assche，A.，Vens，C.，Blockeel，H.，Díeroski，S.：一阶随机森林：学习具有复杂聚合的关系分类器。机器。学习。64(1–3), 149–182 (2006) ·Zbl 1103.68732号 ·doi:10.1007/s10994-006-8713-9
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。