×
库泽·埃尔卡，Ondřej；Zhi elezn，Filip先生

具有单调可约性和冗余性的树状关系特征的分块构造。 （英语） Zbl 1237.68151号

机器。学习。 83，第2期，163-192（2011）.
摘要：我们描述了一种通过组合较小的连接块来构建一组树状连接关系特征的算法。与保持频率单调性的传统水平方法不同，我们的分块方法保持了特征可约性和冗余性的单调性，这在分类学习中使用的命题化中非常重要。通过基于这些属性的剪枝，我们的分块方法可以有效地扩展到包含数十个一阶原子的特征，远远超出了最先进的命题化或归纳逻辑编程系统的能力。

引用于三文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
68N17号 逻辑编程

关键词：

归纳逻辑程序设计；关系机器学习；命题化

软件：

kFOIL公司；LIBLINEAR银行
PDF格式BibTeX公司 XML格式引用
\textit{O.Kuíelka}和\textit{F.Zhi elezn}，马赫。学习。83，No.2，163--192（2011；Zbl 1237.68151）
全文： 内政部

参考文献：

[1] Blockeel，H.、Dehaspe，L.、Demoen，B.、Janssens，G.、Ramon，J.和Vandecasteel，H.（2002）。通过使用查询包提高归纳逻辑编程的效率。《人工智能研究杂志》，16（1），135-166·Zbl 0994.68024号
[2] 布林曼，B。；Zimmermann，A。；Raedt，L.D。；Nijssen，S.，《不要害怕更简单的图案》，55-66（2006），柏林·doi:10.1007/11871637_10
[3] Davis，J。；伯恩赛德，E。；页码，D。；杜特拉，I。；Costa，V.S.，《与SAYU学习贝叶斯规则网络》（2005），纽约
[4] Dechter，R.（2003）。约束处理。圣马特奥：摩根·考夫曼·Zbl 1057.68114号
[5] Dehaspe，L.和Toivonen，H.（1999）。发现频繁的数据日志模式。数据挖掘和知识发现，3（1），7-36·doi:10.1023/A:1009863704807
[6] Dolsak，B。；Muggleton，S.，《归纳逻辑编程在有限元网格设计中的应用》，453-472（1992），圣地亚哥
[7] 费金，R.（1983）。超图和关系数据库方案的非循环度。计算机协会杂志，30（3），514-550·Zbl 0624.68088号
[8] Fan，R.-E.，Chang，K.-W.，Xieh，C.-J.，Wang，X.-R.，&Lin，C.-J（2008）。Liblinear：大型线性分类库。机器学习研究杂志，91871-1874·Zbl 1225.68175号
[9] Helma，C.、King，R.D.、Kramer，S.和Srinivasan，A.（2001年）。2000-2001年预测毒理学挑战。生物信息学，17（1），107-108·doi:10.1093/bioinformatics/17.1.107
[10] 科普曼，A。；Siebes，A.，《特征关系模式》，437-446（2009），纽约·数字对象标识代码：10.1145/1557019.1557071
[11] 克莱默，S。；Raedt，L.，《生物化学应用的版本空间特征构建》，258-265（2001），圣马特奥
[12] Krogel，医学硕士。；Wrobel，S.，使用多关系聚合的基于转换的学习，142-155（2001），柏林·Zbl 1006.68519号
[13] 克罗格尔，医学硕士。；罗尔斯，S。；elezn，F。；Flach，P.A。；拉夫拉奇，N。；Wrobel，S.，命题化方法的比较评价（2003），柏林
[14] Kuíelka，O.，&elezn，F.（2009）。具有单调不可约性和相关性的非循环关系特征的分块构造。在ICML2009中：机器学习的第26届国际会议·Zbl 1237.68151号
[15] 北兰德威尔。；Passerini，A。；Raedt，L。；Frasconi，P.，kFOIL：学习简单关系内核，389-394（2006），Menlo Park
[16] Landwehr，N.、Kersting，K.和De Raedt，L.（2007年）。集成了天真的贝叶斯和FOIL。机器学习研究杂志，8，481-507·Zbl 1222.68242号
[17] Lavrać，N.和Flach，P.A.（2001年）。归纳逻辑程序设计的扩展变换方法。ACM计算逻辑汇刊，2（4），458-494·Zbl 1365.68374号 ·数字对象标识代码：10.1145/383779.383781
[18] Lavrać，N.、Gamberger，D.和Jovanoski，V.（1999）。演绎数据库中学习相关性的研究。逻辑编程杂志，40（2/3），215-249·Zbl 0941.68019号 ·doi:10.1016/S0743-1066（99）00019-9
[19] Lodhi，H.和Muggleton，S.（2005年）。诱变仍然具有挑战性吗。在归纳逻辑编程国际会议（ILP’05）上，最新论文（第35-40页）。
[20] Muggleton，S.（1995年）。逆蕴涵和程序。新一代计算，《归纳逻辑编程特刊》，13（3-4），245-286。
[21] Nienhuys-Cheng，S.-H.和de Wolf，R.（1997）。归纳逻辑编程基础。纽约：斯普林格·Zbl 1293.68014号
[22] Nijssen，S.和Kok，J.N.（2005）。用于频繁子图挖掘的Gaston工具。理论计算机科学电子笔记，127（1），77-87·doi:10.1016/j.entcs.2004.12.039
[23] Perkins，S。；Theiler，J.，《使用嫁接进行在线特征选择》，592-599（2003），门洛·帕克
[24] Quinlan，J.R.（1990年）。从关系中学习逻辑定义。机器学习，5（3），239-266。
[25] Scheffer，T.和Herbrich，R.（1997）。学习算法的无偏评估。第15届国际人工智能联合会议（IJCAI’97）（第798-803页）。
[26] 斯里尼瓦桑，A。；金·R·D。；麻格尔顿，S。；Sternberg，M.J.E.，使用ILP进行致癌预测，273-287（1997），柏林
[27] Swamidass，S.J.、Chen，J.、Bruand，J.，Phung，P.、Ralaivola，L.和Baldi，P.（2005）。小分子核的诱变性、毒性和抗癌活性预测。生物信息学，21（1），359-368·doi:10.1093/bioinformatics/bti1055
[28] 吕文，M。；弗瑞肯，J。；Siebes，A.，Compression挑选重要的项目集，585-592（2006），柏林·doi:10.1007/11871637_59
[29] Vapnik，V.N.（1995）。统计学习理论的本质。柏林：斯普林格·Zbl 0833.62008号
[30] 热列兹尼，F.和拉夫拉奇，N.（2006年）。基于命题的关系子群发现与RSD。机器学习，62，33-63·Zbl 1470.68209号 ·doi:10.1007/s10994-006-5834-0
[31] Witten，I.H.和Frank，E.（2005）。数据挖掘：实用机器学习工具和技术（第二版）。旧金山：摩根考夫曼·Zbl 1076.68555号
[32] Wörlein，M。；Meinl，T。；费舍尔，I。；Philippsen，M.，子图挖掘者MoFa、gSpan、FFSM和Gaston的定量比较，392-403（2005），柏林·doi:10.1007/11564126_39
[33] Yannakakis，M.（1981年）。非循环数据库方案的算法。在超大数据库国际会议上（VLDB’81）（第82-94页）·Zbl 1225.68175号
[34] 查亚科娃，M。；elezn，F。；Garcia-Sedano，J。；蒂索，C.M。；拉夫拉奇，N。；Křemen，P。；Molina，J.，关系数据挖掘应用于产品设计的虚拟工程（2007），柏林
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。