克里斯汀·普雷萨赫；拉尔斯·施密特·蒂姆 关系分类器的集合。 （英语） Zbl 1154.68496号 知识。信息系统。14，第3期，249-272（2008）。 摘要：关系分类旨在将实体之间的关系纳入分类过程，例如考虑到文档之间的关系，例如共同作者或引文。然而，考虑多个关系可以进一步提高分类精度。在这里，我们介绍了一种新的方法，利用几个关系以及关系和局部属性进行集成分类。为了实现这一点，我们提出了一个通用的关系集成模型，该模型可以使用不同的关系分类器和局部分类器作为组件。此外，我们还讨论了关系数据的几个问题的解决方案，例如异构性、稀疏性和多重关系。特别是稀疏性问题将得到更详细的讨论。我们引入了一种称为PRNMultiHop的新方法，试图处理此问题。此外，我们以系统的方式对关系方法进行分类。最后，我们提供了经验证据，证明了我们的关系集成方法优于现有的关系分类方法，甚至优于关系概率树、关系依赖网络和关系贝叶斯分类器等复杂模型。 引用于1文件 MSC公司： 68吨10 模式识别、语音识别 关键词：关系数据挖掘；信号群分类；稀疏图；关系自相关 软件：网络工具包 PDF格式BibTeX公司 XML格式 全文： 内政部 参考文献： [1] Angelova R，Weikum G（2006）基于图形的文本分类：向邻居学习。在：SIGIR会议记录，第485–492页 [2] Bernstein A，Clearwater S，Provost F（2003）关系向量空间模型和行业分类。在：IJCAI关于关系数据统计模型研讨会论文集，第8-18页 [3] Breiman L（1996）。装袋预测器。马赫学习24:123–140·Zbl 0858.68080号 [4] Chakrabarti S，Dom B，Indyk P（1998）使用超链接增强超文本分类。收件人：ACM SIGMOD会议记录，第307–318页 [5] Cramer H（1999）。统计学的数学方法。普林斯顿大学出版社·Zbl 0933.62047号 [6] Dietterich TG（1997）。机器学习研究：四个当前方向。AI Mag 18（4）：97–136 [7] Domingos P和Pazzani M（1997年）。简单贝叶斯分类器在零损失下的最优性。马赫学习29:103–130·Zbl 0892.68076号 ·doi:10.1023/A:1007413511361 [8] Fürnkranz J（2002）超链接集合：超文本分类的案例研究。Informat Fusion，第3卷 [9] HeßA，Kushmerick N（2004）《关系数据的迭代分类：语义web服务的案例研究》。摘自：欧洲机器学习会议记录·Zbl 1132.68553号 [10] 霍普菲尔德J（1982）。具有涌现集体计算能力的神经网络和物理系统。美国国家科学院79:2554–2558·Zbl 1369.92007号 ·doi:10.1073/pnas.79.8.2554 [11] 黄Z、陈浩和曾德（2004）。应用关联检索技术缓解协同过滤中的稀疏性问题。ACM Trans Informat Syst 22（1）：116–142·Zbl 05457973号 ·doi:10.1145/963770.963775 [12] Jensen D，Neville J（2002）关联和自相关导致关系学习中的特征选择偏差。摘自：第19届机器学习国际会议论文集 [13] Jensen D，Neville J，Gallagher B（2004）为什么集体推理可以改进关系分类。致：第十届ACM SIGKDD会议记录 [14] Kleinberg J（1998）超链接环境中的权威来源。附：第九届ACM-SIAM离散算法研讨会论文集·Zbl 0930.68047号 [15] Kramer S，Lavrac N，Flach P（2001）关系数据挖掘的命题方法。In：关系数据挖掘。多德雷赫特Kluwer，第262–291页 [16] 卢Q，Getoor L（2003）基于链接的文本分类。In:IJCAI文本挖掘和链接分析研讨会论文集 [17] Macskassy AS，Provost F（2003）简单关系分类器。In:多关系数据挖掘研讨会ACM SIGKDD会议记录 [18] Macskassy AS，Provost F（2004）《网络数据分类：工具包和单变量案例研究》。纽约大学斯特恩商学院CeDER工作文件 [19] McCallum A、Nigam K、Rennie J和Seymore K（2000年）。使用机器学习自动构建互联网门户。Proc Informat Retri 3（2）：127–163·Zbl 02181366号 ·doi:10.1023/A:1009953814988 [20] Neville J，Jensen D（2000）关系数据中的迭代分类。摘自：AAAI从关系数据学习统计模型研讨会论文集，第13-20页 [21] Neville J，Jensen D（2003）《关系依赖网络的集体分类》。In:多关系数据挖掘KDD第二次研讨会会议记录 [22] Neville J，Jensen D（2005）利用潜在群体模型的关系自相关。摘自：第五届IEEE数据挖掘国际会议记录，美国休斯顿，2005年11月，第322-329页 [23] Neville J，Jensen D，Friedland L，Hay M（2003）学习关系概率树。致：SIGKDD会议记录 [24] Neville J，Jensen D，Gallagher B，Fairgrage R（2003）关系贝叶斯分类器的简单估计。摘自：第三届IEEE数据挖掘国际会议记录，第609-612页 [25] Preisach C，Schmidt-Thieme L（2006）关系集合分类。摘自：第六届IEEE数据挖掘国际会议记录，香港，2006年12月，第499-509页 [26] Provost F，Domingos P（2000），井训练PET：改进概率估计树。纽约大学斯特恩商学院CeDER工作文件 [27] Rifkin RM和Klautau A（2004）。为“一对一”分类辩护。J Mach学习研究5:101–141·Zbl 1222.68287号 [28] Taskar B、Segal E、Koller D（1997）关系数据中的概率分类和聚类。摘自：第17届国际人工智能联合会议记录，第870-878页 [29] Ting KM，Witten IH（1997）叠加概括：何时起作用？摘自：国际人工智能联合会议记录，第866–871页 [30] Utard H，Fürnkranz J（2005）超文本分类的链接特征。摘自：EWMF会议记录，第51–64页 [31] Van Assche A、Vens C、Blockel H、Dzeroski S（2004）《使用随机森林进行关系学习》。摘自：ICML统计关系学习及其与其他领域的联系研讨会论文集，第110–116页 [32] Witten IH，Frank E（2000）《数据挖掘：Java实现的实用机器学习工具和技术》。摩根·考夫曼 [33] Wolpert DH（1992）堆积概括。在神经网络5。佩加蒙出版社，第214-259页 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。