维克托·吉马朗斯;阿琳·佩斯;格尔森·扎维鲁查 ProPPR示例的在线概率理论修订。 （英语） 兹比尔1493.68300 机器。学习。 108，第7期，1165-1189（2019）. 摘要：考虑到普遍存在的传感器和互联网生产的内容（如社交网络和知识图）的可用性，处理关系数据流已成为一项关键任务。在关系环境中，这是一项特别具有挑战性的任务，因为无法确保示例流在迭代过程中是独立的。因此，大多数关系学习系统仍然设计为只从封闭的数据批次中学习。此外，在存在先前获取的模型的情况下，这些系统要么会丢弃它，要么认为它是正确的。在这项工作中，我们提出了一种在线关系学习算法，可以在关系示例到达时处理连续、开放的关系示例流。我们采用理论修正技术，以利用先前获得的模型作为起点，通过找出应在何处对其进行修改以应对新的示例，并自动更新它。我们依靠霍夫丁的边界统计理论来决定模型实际上是否必须，根据新示例进行更新。该算法基于ProPPR统计关系语言，旨在考虑实际数据固有的不确定性。社交网络和实体共同参考数据集的实验结果表明，与其他关系型学习者相比，该方法具有潜力。 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 68周27 在线算法；流式算法 关键词：在线学习;统计关系学习;从实例中修正理论;归纳逻辑程序设计;挖掘数据流 软件：农业部;PMTK公司;ProbLog（问题日志） PDF格式BibTeX公司 XML格式引用 \textit{V.Guimaráes}等人，马赫。学习。108，第7号，1165--1189（2019；Zbl 1493.68300） 全文： 内政部 参考文献： [1] Andersen，R.、Chung，F.和Lang，K.（2006年）。使用PageRank向量进行局部图分区。第47届IEEE计算机科学基础年会论文集，IEEE计算机学会，华盛顿特区，美国FOCS’06（第475-486页）。 [2] 安德森·R。；Chung，F。；Lang，K.，使用PageRank对有向图进行局部划分，166-178（2007），柏林：施普林格出版社，柏林·Zbl 1136.68317号 [3] Bifet，A。；霍姆斯，G。；柯克比，R。；Pfahringer，B.，Moa:大规模在线分析，机器学习，11601-1604（2010） [4] Blockeel，H。；De Raedt，L.，一阶逻辑决策树的自顶向下归纳法，人工智能，101，1-2，285-297（1998）·Zbl 0909.68034号 ·doi:10.1016/S0004-3702（98）00034-4 [5] Blockeel，H。；De Raedt，L。；雅各布斯，N。；Demoen，B.，通过从解释中学习来扩大归纳逻辑编程，数据挖掘和知识发现，3，1，59-93（1999）·doi:10.1023/A:1009867806624 [6] Cardoso，P.M.和Zaverucha，G.（2006年）。对扩大ILP的方法进行比较评估。第16届国际归纳逻辑程序设计会议（ILP 2006）（第37-39页）。科伦纳：UDC出版社。 [7] 克雷文，M。；迪帕斯科，D。；弗雷塔格，D。；McCallum，A。；米切尔，T。；Nigam，K。；Slattery，S.，学习从万维网构建知识库，人工智能，118，1-269-113（2000）·Zbl 0939.68745号 ·doi:10.1016/S0004-3702（00）00004-7 [8] Dawid，AP，《当前形势和潜在发展：一些个人观点：统计理论：优先方法》，《皇家统计学会期刊A辑（综述）》，147，2，278-292（1984）·Zbl 0557.62080号 ·doi:10.2307/2981683 [9] De Raedt，L.，逻辑与关系学习（2008），柏林：施普林格出版社，柏林·Zbl 1203.68145号 [10] De Raedt，L.、Kimmig，A.和Toivonen，H.（2007）。Problog：一种概率prolog及其在链路发现中的应用。《第20届国际人工智能联合会议论文集》，摩根·考夫曼出版社，美国加利福尼亚州旧金山，IJCAI'07（第2468-2473页）。 [11] De Raedt，L。；Kersting，K。；Natarajan，S。；Poole，D.，《统计关系人工智能：逻辑、概率和计算》，《人工智能和机器学习综合讲座》，2016年第10期，第2期，第1-189页·兹比尔1352.68005 ·doi:10.2200/S00692ED1V01Y201601AIM032 [12] Domingos，P.和Hulten，G.（2000年）。挖掘高速数据流。第六届ACM SIGKDD知识发现和数据挖掘国际会议论文集，美国纽约州纽约市ACM，KDD’00（第71-80页） [13] 德里斯，A。；De Raedt，L.，走向溪流采矿的发现，9-16（2010），柏林：施普林格，柏林 [14] Dries，A.、Kimmig，A.、Meert，W.、Renkens，J.、den Broeck，G.V.、Vlasselaer，J.和De Raedt，L.（2015）。Problog2：概率逻辑编程。在数据库中的机器学习和知识发现——欧洲会议，ECML PKDD 2015，会议记录，第三部分，LCNS（第9286卷，第312-315页）。纽约：斯普林格。 [15] 亚利桑那州杜博克；Paes，A。；Zaverucha，G.，《使用底部子句和模式声明从示例中修改FOL理论》，机器学习，76，1，73-107（2009）·Zbl 1156.68526号 ·doi:10.1007/s10994-009-5116-8 [16] Duboc，A.L.、Paes，A.和Zaverucha，G.（2017年）。关于forte_mbc理论修正算子的形式刻划。《测井计算杂志》，27（8），2551-2580·Zbl 1402.68166号 [17] Friedman，N.（1998年）。贝叶斯结构EM算法。1998年UAI:第十四届人工智能不确定性会议记录（第129-138页）。伯灵顿摩根考夫曼 [18] Gama，J.A.和Kosina，P.（2011年）。从数据流中学习决策规则。《第二十二届国际人工智能联合会议论文集——AAAI出版社》，IJCAI’11（第2卷，第1255-1260页）。 [19] 盖托，L。；迪尔，CP，链接挖掘：一项调查，ACM SIGKDD Explorations Newsletter，7，2，3-12（2005）·doi:10.1145/1117454.1117456 [20] Hoeffing，W.，有界随机变量和的概率不等式，美国统计协会杂志，58，301，13-30（1963）·Zbl 0127.10602号 ·doi:10.1080/016214591963.10500830 [21] Hulten，G.、Abe，Y.和Domingos，P.（2003）。挖掘海量关系数据库。《IJCAI-2003从关系数据学习统计模型研讨会论文集》（第53-60页）。 [22] Jensen，D.D.和Neville，J.（2002年）。关联和自相关导致关系学习中的特征选择偏差。在机器学习方面，第十九届国际会议记录（ICML 2002）（第259-266页）。伯灵顿：摩根·考夫曼。 [23] Jensen，D.D.和Neville，J.（2003）。自相关和关联导致了关系型学习者评价的偏差。在第12届国际归纳逻辑编程会议上。修订论文，《计算机科学讲义》（第2583卷，第101-116页），柏林：施普林格出版社·Zbl 1017.68521号 [24] 科特，T。；Natarajan，S。；Kersting，K。；Shavlik，J.，统计关系学习的基于梯度的提升：马尔可夫逻辑网络和缺失数据案例，机器学习，100，175-100（2015）·Zbl 1346.68159号 ·doi:10.1007/s10994-015-5481-4 [25] Lopes，C.和Zaverucha，G.（2009年）。HTilde：为非常大的数据库扩展关系决策树。2009年美国计算机学会应用计算研讨会论文集，美国纽约州纽约市美国计算机学会，SAC’09（第1475-1479页）。 [26] Menezes，G.（2011年）。HTilde-RT：Um algoritmo de aprendizado deárvores de regresssáo de lógica de primeira or em para fluxos de dados relacionais（原始资源回归算法）。巴西里约热内卢联邦大学PESC、COPPE硕士论文。 [27] Mitchell，TM，机器学习。麦格劳-希尔计算机科学系列（1997），纽约：麦格劳-Hill，纽约 [28] Muggleton，S.，《逆蕴涵与程序》，新一代计算，13，3，245-286（1995）·doi:10.1007/BF03037227 [29] 麻格尔顿，S。；De Raedt，L.，《归纳逻辑编程：理论和方法》，《逻辑编程杂志》，第19、20、629-679页（1994年）·Zbl 0816.68043号 ·doi:10.1016/0743-1066（94）90035-3 [30] Murphy，KP，《机器学习：概率观点》（2012），剑桥：麻省理工学院出版社，剑桥·Zbl 1295.68003号 [31] Natarajan，S。；科特，T。；Kersting，K。；Gutmann，B。；Shavlik，J.，《统计关系学习的基于梯度的促进：关系依赖网络案例》，机器学习，86，1，25-56（2012）·Zbl 1243.68245号 ·doi:10.1007/s10994-011-5244-9 [32] Paes，A.、Revoredo，K.、Zaverucha，G.、Costa，V.S.（2005年）。从实例中修正概率一阶理论。《归纳逻辑编程》，第15届国际会议，2005年8月10日至13日，德国波恩，ILP 2005，会议记录（第295-311页）·Zbl 1134.68550号 [33] Paes，A。；Zaverucha，G。；Costa，VS，关于使用随机局部搜索技术从实例中修正一阶逻辑理论，机器学习，106，2197-241（2017）·Zbl 1453.68172号 ·doi:10.1007/s10994-016-5595-3 [34] Page，L.、Brin，S.、Motwani，R.和Winograd，T.（1999）。PageRank引文排名：给网络带来秩序。技术报告1999-66，斯坦福信息实验室。 [35] Poon，H.和Domingos，P.（2007年）。信息提取中的联合推理。在第22届全国人工智能会议记录中，AAAI出版社，AAAI'07（第1卷，第913-918页）。 [36] Pujara，J.、London，B.、Getoor，L.和Cohen，W.（2015）。用于知识图构建的在线推理。在统计关系人工智能研讨会上。 [37] Richards，B.L.和Mooney，R.J.（1992年）。通过寻路学习关系。第十届全国人工智能会议论文集（AAAI-92），加利福尼亚州圣何塞（第50-55页）。 [38] 理查兹，BL；Mooney，RJ，一阶Horn-clause领域理论的自动精化，机器学习，19，2，95-131（1995） [39] 理查森，M。；Domingos，P.，马尔可夫逻辑网络，机器学习，62，1，107-136（2006）·Zbl 1470.68221号 ·doi:10.1007/s10994-006-5833-1 [40] 夏皮罗，安永，算法程序调试（1983），剑桥：麻省理工学院出版社，剑桥·Zbl 0589.68003号 [41] Srinivasan，A。；Bain，M.，关系数据流在线模型的实证研究，机器学习，106，2，243-276（2017）·Zbl 1453.68158号 ·doi:10.1007/s10994-016-5596-2 [42] Tong，H.、Faloutsos，C.和Pan，J.Y.（2006）。带重启的快速随机行走及其应用。第六届数据挖掘国际会议论文集，IEEE计算机学会，美国华盛顿特区，ICDM’06（第613-622页）。 [43] 津山，K。；阿米尼，A。；斯特恩伯格，M。；Muggleton，S.，《使用归纳逻辑编程在药物发现中的脚手架跳跃》，《化学信息与建模杂志》，48，5，949-957（2008）·doi:10.1021/ci700418f [44] Wang，WY；Mazaitis，K。；老挝，N。；Cohen，WW，《大型知识库中的高效推理和学习》，机器学习，100,1101-126（2015）·兹比尔1346.68168 ·数字对象标识代码：10.1007/s10994-015-5488-x [45] 沃伦，DHD；佩雷拉，LM；Pereira，F.，Prolog-与Lisp相比的语言及其实现，SIGPLAN Not，12，8，109-115（1977）·doi:10.1145/872734.806939 [46] Wrobel，S.，《概念形成和知识修正》（2013），纽约：施普林格出版社，纽约·Zbl 0811.68035号 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。