×
纳达·拉夫拉奇;瓦夫佩蒂奇，安季

关系和语义数据挖掘（受邀演讲）。 （英语） Zbl 1467.68046号

Calimeri，Francesco（编辑）等人，《逻辑编程和非单调推理》。第13届国际会议，LPNMR 2015，美国肯塔基州列克星敦，2015年9月27日至30日。诉讼程序。查姆：斯普林格。莱克特。注释计算。科学。9345, 20-31 (2015).
摘要：归纳逻辑编程（ILP）和关系数据挖掘（RDM）解决了从多关系数据中归纳模型或模式的任务。RDM的一种既定方法是命题化，其特征是将关系数据库转换为单表表示。在介绍了ILP和RDM之后，本文概述了命题化算法，这些算法已通过基于web的ClowdFlows数据挖掘平台公开提供。本文最后介绍了语义数据挖掘的最新进展，其特点是在模型和模式构建过程中以领域本体的形式利用关系背景知识。
关于整个系列，请参见[Zbl 1320.68014号].

引用于1文件

理学硕士：

第68页，共15页 数据库理论
68N17号 逻辑编程
68T05型 人工智能中的学习和自适应系统
68吨10 模式识别、语音识别
68立方英尺 知识表示

关键词：

归纳逻辑程序设计;关系数据挖掘;语义数据挖掘;命题化
PDF格式BibTeX公司 XML格式引用
\textit{N.Lavrač}和\textit{A.Vavpetić}，莱克特。注释计算。科学。9345，20-31（2015年；兹bl 1467.68046）
全文： 内政部

参考文献：

[1] Adhikari，公关；瓦夫佩蒂奇，A。；Kralj，J。；拉夫拉奇，N。；霍尔曼，J。；季洛斯基，S。；帕诺夫，P。；科切夫，D。；Todorovski，L.，通过语义模式挖掘和带状矩阵可视化解释混合模型，《发现科学》，1-12（2014），海德堡：施普林格
[2] 阿格拉瓦尔，R。；Srikant，R。；博卡，JB；Jarke，M。；Zaniolo，C.，《在大型数据库中挖掘关联规则的快速算法》，《第20届超大数据库国际会议论文集》，487-499（1994），旧金山：Morgan Kaufmann Publishers Inc.，旧金山
[3] 基因本体联盟：2008年的基因本体项目。《核酸研究36》（数据库发行），440-444（2008）
[4] De Raedt，L。；Zaverucha，G。；da Costa，AL，逻辑和关系学习，《人工智能进展-SBIA 2008》，1-1（2008），海德堡：施普林格，海德伯格·Zbl 1203.68145号 ·doi:10.1007/978-3-540-88190-2_1
[5] Demšar，J.，多数据集上分类器的统计比较，J.Mach。学习。研究，7，1-30（2006）·Zbl 1222.68184号
[6] 季洛斯基，S。；Lavrač，N.，关系数据挖掘（2001），海德堡：施普林格，海德堡·Zbl 1003.68039号
[7] 宾夕法尼亚州Flach；Lachiche，N。；季洛斯基，S。；Flach，PA，1BC：一阶贝叶斯分类器，归纳逻辑编程，92-103（1999），海德堡：施普林格·doi:10.1007/3-540-48751-4_10
[8] Friedman，M.，《使用秩来避免方差分析中隐含的正态假设》，《美国统计协会期刊》，32，675-701（1937）·doi:10.1080/01621459.1937.10503522
[9] Hämäläinen，W.：有效搜索二进制数据中具有统计意义的依赖规则。芬兰赫尔辛基大学计算机科学系博士论文（2010年）
[10] 克洛斯根，W。；法耶兹，UM；皮亚特斯基·夏皮罗，G。；Smyth，P。；Uthurusamy，R.，Explora：一名多模式和多策略发现助理，《知识发现和数据挖掘进展》，249-271（1996），门罗公园：美国人工智能协会，门洛公园
[11] AJ Knobbe，《多关系数据挖掘》（2005），美国阿姆斯特丹：IOS出版社，美国
[12] 克莱默，S。；普法林格，B。；赫尔马，C。；佩奇，DL，非确定性背景知识的随机命题化，归纳逻辑程序设计（1998），海德堡：施普林格·doi:10.1007/BFb0027312
[13] Kranjc，J。；波德潘，V。；拉夫拉奇，N。；宾夕法尼亚州Flach；De Bie，T。；Cristianini，N.，《ClowdFlows:基于云的科学工作流平台》，《数据库中的机器学习和知识发现》，816-819（2012），海德堡：斯普林格·doi:10.1007/978-3-642-33486-3_54
[14] 克罗格尔，M-A；罗尔斯，S。；elezn，F。；宾夕法尼亚州Flach；拉夫拉奇，N。；Wrobel，S。；Horváth，T。；山本，A.，命题化方法的比较评价，归纳逻辑程序设计，197-214（2003），海德堡：施普林格·doi:10.1007/978-3-540-39917-9_14
[15] 克罗格尔，M-A；弗罗贝尔，S。；Rouveirol，C。；Sebag，M.，使用多关系聚合的基于转换的学习，归纳逻辑编程，142-155（2001），海德堡：施普林格·Zbl 1006.68519号 ·doi:10.1007/3-540-44797-0_12
[16] 俄克拉荷马州库泽尔卡。；ƀeleznƃ，F.，具有单调可约性和冗余性的树状关系特征的分块构造，马赫。学习。，83, 2, 163-192 (2011) ·Zbl 1237.68151号 ·doi:10.1007/s10994-010-5208-5
[17] Kuíelka，O.，elezn，F.：Hifi：通过层次特征构建的易处理命题化。收录于：《第18届国际归纳逻辑编程会议（2008年）》（Lavrać，N.，编辑）《最新突破性论文》
[18] 拉夫拉奇，N。；Džeroski，S。；格罗贝尔尼克，M。；Kodratoff，Y.，《学习与LINUS关系的非递归定义》，机器学习-EWSL-91，265-281（1991），海德堡：斯普林格·doi:10.1007/BFb0017020
[19] 拉夫拉奇，N。；宾夕法尼亚州Flach，《归纳逻辑编程的扩展转换方法》，ACM Trans。计算。逻辑，2，4，458-494（2001）·Zbl 1365.68374号 ·数字对象标识代码：10.1145/383779.383781
[20] Liu，B.，Hsu，W.，Ma，Y.：集成分类和关联规则挖掘。摘自：《第四届知识发现和数据挖掘国际会议论文集》（KDD 1998），第80-86页。AAAI出版社，1998年8月
[21] 马格洛特，D。；奥斯特尔，J。；普鲁特，KD；Tatusova，T.，Entrez Gene:以基因为中心的信息，NCBI，核酸研究，33，数据库问题，D54-D58（2005）·数字对象标识代码：10.1093/nar/gki031
[22] Muggleton，S.，《逆蕴涵与程序》，《新世代》。计算。，13, 3-4, 245-286 (1995) ·doi:10.1007/BF03037227
[23] Muggleton，S.，《归纳逻辑编程》（1992），伦敦：学术出版社，伦敦·Zbl 0838.68093号
[24] Nemenyi，P.B.：无分布多重比较。博士论文（1963年）
[25] Ogata，H。；后藤，S。；佐藤，K。；Fujibuchi，W。；博诺，H。；Kanehisa，M.，KEGG：基因和基因组京都百科全书，核酸研究，27，1，29-34（1999）·doi:10.1093/nar/27.1.29
[26] 佩罗夫舍克，M。；瓦夫佩蒂奇，A。；塞斯特尼克，B。；拉夫拉奇，N。；Fürnkranz，J。；Hüllermier，E。；Higuchi，T.，《关系数据挖掘的文字化方法》，《发现科学》，141-154（2013），海德堡：斯普林格·doi:10.1007/978-3-642-40897-7_10
[27] Perovšek，M.，Vavpetić，A.，Lavrać，N.：关系数据挖掘的语言化方法：早期结果。在：Riguzzi，F.，železný，F.（编辑）ILP 2012第22届归纳逻辑编程国际会议论文集，克罗地亚杜布罗夫尼克，2012年9月17日至19日。CEUR研讨会记录，第975卷，第56-61页。CEUR-WS.org（2012）
[28] 佩罗夫舍克，M。；瓦夫佩蒂奇，A。；Kranjc，J。；塞斯特尼克，B。；Lavrać，N.，《措辞：通过将关系数据展开成词袋的命题化》，专家系统。申请。，42, 17-18, 6442-6456 (2015) ·doi:10.1016/j.eswa.2015.04.017
[29] Piatetsky-Shapiro，G。；Piatetsky-Shapiro，G。；WJ Frawley，《强规则的发现、分析和表示》，《数据库中的知识发现》（1991年），门罗公园：AAAI/MIT出版社，门罗公园
[30] Srinivasan，A.：Aleph手册，2007年3月。http://www.cs.ox.ac.uk/activities/machinelearning/Aleph（英语）/
[31] 特拉伊科夫斯基，I。；拉夫拉奇，N。；Tolar，J.，SEGS：在微阵列数据中搜索丰富的基因集，J.Biomed。通知。，41, 4, 588-601 (2008) ·doi:10.1016/j.jbi.2007.12.001
[32] 瓦夫佩蒂奇，A。；Lavrać，N.，SDM-toolkit中的语义子组发现系统和工作流，计算。J.，56，3，304-320（2013）·doi:10.1093/comjnl/bxs057
[33] Vavpetič，A。；诺瓦克，PK；格里卡尔，M。；莫泽蒂奇，I。；拉夫拉奇，N。；Fürnkranz，J。；Hüllermier，E。；Higuchi，T.，金融新闻文章的语义数据挖掘，《发现科学》，294-307（2013），海德堡：斯普林格·doi:10.1007/978-3-642-40897-7_20
[34] Witten，IH；弗兰克，E。；Hall，MA，《数据挖掘：实用机器学习工具和技术》（2011），阿姆斯特丹：Morgan Kaufmann，Amsterdam
[35] Wrobel，S。；Komorowski，J。；Żytkow，JM，子群多关系发现算法，数据挖掘和知识发现原理，78-87（1997），海德堡：斯普林格·doi:10.1007/3-540-63223-9_108
[36] 泽列兹尼，F。；Lavrać，N.，基于命题的关系子群发现与RSD，Mach。学习。，62, 1-2, 33-63 (2006) ·Zbl 1470.68209号 ·doi:10.1007/s10994-006-5834-0
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。