Zhi elezn，Filip先生 关系学习的有效意识命题化。 （英语） Zbl 1249.68243号 凯贝内提卡 40，第3期，275-292（2004）. 摘要：旨在发现数据中有趣知识的系统，现在通常称为数据挖掘系统，通常用于在单个关系表中查找模式。大多数主流数据挖掘工具不适用于在由多关系数据库表示的结构化数据中查找知识这一更具挑战性的任务。虽然已经开发出一系列称为归纳逻辑编程方法的方法来通过直接手段解决这一挑战，但将结构化数据转换为可被丰富的AVL系统消化的更简单形式的想法一直吸引着数据挖掘者。为此，我们提出了一种基于构造一阶逻辑特征的方法来进行这种转换，也称为命题化。它包含了先前研究中建议的一些基本原则，并提供了显著的增强，从而显著提高了特征构造过程的效率。我们首先通过一个示例来激发命题化任务，回顾了一些以前的命题化方法，并形式化了一阶特征的概念，主要阐述了影响所设计特征构造算法效率的点。 MSC公司： 68立方英尺 知识表示 68T05型 人工智能中的学习和自适应系统 关键词：机器学习；归纳逻辑程序设计；命题化 PDF格式BibTeX公司 XML格式引用 \textit{F.elezn}，Kybernetika 40，No.3，275--292（2004；Zbl 1249.68243） 全文： 欧洲DML 链接 参考文献： [1] Agrawal R.，Srikant R.：挖掘关联规则的快速算法。程序。第20届国际。会议超大数据库，VLDB，Morgan Kaufmann，xxxxxxx 1994，第487-499页 [2] Alphonse E.，Rouveirol C.：关系学习的懒惰命题化。程序。第14届欧洲人工智能大会（ECAI’2000）（W.Horn，IOS出版社2000年，第256-260页 [3] 布拉特·k·J·，波佩林斯克·L·：用RAP构建特征。程序。在第13届国际米兰奥运会上取得了进展。归纳逻辑编程会议。塞格德大学2003 [4] Clark P.，Niblett T.：cn2归纳算法。机器。学习3（1989），261-283·doi:10.1007/BF00116835 [5] Díeroski S.：归纳逻辑编程中的数值约束和可学习性。博士论文。卢布尔雅那大学电气工程和计算机科学学院，1995年 [6] Díeroski S.，（编辑）N.Lavrač：关系数据挖掘。施普林格·弗拉格，柏林，2001·Zbl 1003.68039号 [7] Emde W.，Wettschereck D.：基于关系实例的学习。机器学习-程序。第13届国际。机器学习会议，Morgan Kaufmann，xxxxxxx 1996，pp.122-130 [8] Hájek P.：机械化假设形成。柏林斯普林格·弗拉格1966·Zbl 0371.0202号 [9] Kietz J.U.：归纳逻辑编程计算复杂性的一些下限。机器学习：ECML-93，《欧洲机器学习会议论文集》，第667卷，施普林格-弗拉格出版社，柏林，1993年，第115-123页 [10] Knobbe A.J.，Haas，M.de，Siebes A.：命题和集合。程序。第五届欧洲数据挖掘和知识发现原则会议（PKDD）。施普林格·弗拉格，柏林，2001·Zbl 1009.68749号 [11] Kramer S.，Lavrać，N.，Flach P.A.：关系数据挖掘的命题方法。关系数据挖掘（N.Lavrać和S.Díeroski，Springer-Verlag，柏林，2001） [12] Krogel M.A.、Rawles S.、eleznF.、Flach P.A.、Lavrać，N.、Wrobel S.：命题化方法的比较评估。程序。第13届国际。归纳逻辑编程会议。斯普林格·弗拉格，柏林，2003 [13] Krogel M.A.，Wrobel S.：使用多关系聚合的基于转换的学习。程序。第11届国际。归纳逻辑编程会议（ILP），Springer-Verlag，柏林，2001年，第142-155页·Zbl 1006.68519号 [14] LavračN.，Flach P.A.：归纳逻辑编程的扩展转换方法。ACM事务处理。计算。逻辑2（2001），4458-494·Zbl 1365.68374号 ·数字对象标识代码：10.1145/383779.383781 [15] LavračN.，Díeroski S.：归纳逻辑编程：技术与应用。Ellis Horwood，1993年·兹比尔083068027 [16] LavračN.，elezn，F.，Flach P.A.：RSD：通过一阶特征构造发现关系子群。程序。第12届国际米兰。归纳逻辑编程会议（ILP）。2002年柏林施普林格-弗拉格·兹比尔1017.68523 [17] Liu H.，Motoda H.：知识发现和数据挖掘的特征选择。Kluwer，Dordrecht 1998年·Zbl 0908.68127号 [18] Maloberti J.，Sebag M.：约束满足视角下的Theta-subsumption。程序。第11届国际。归纳逻辑编程会议（ILP）（人工智能2157讲稿），施普林格-弗拉格，柏林，2001年，第164-178页·Zbl 1006.68517号 [19] 麻格尔顿S.：逆向蕴涵和编程。新一代计算，归纳逻辑编程专刊13（1995），3-4245-286·Zbl 05479869号 ·doi:10.1007/BF03037227 [20] Pfahringer B.，Holmes G.：通过随机判别实现命题。程序。在第13届国际米兰奥运会上取得了进展。归纳逻辑编程会议。塞格德大学2003 [21] 昆兰·J·罗斯：C4。5：机器学习程序。Morgan Kaufmann，1992年xxxxxxx [22] Sebag M.，Rouveirol C.：通过随机匹配在一阶逻辑中的可追踪归纳和分类。程序。第15届国际。人工智能联合会议，Morgan Kaufmann，xxxxxxx 1997，第888-893页 [23] Srinivasan A.、Muggleton S.H.、Sternberg M.J.E.、King R.D.：致突变性理论：一级和基于特征的诱导研究。人工智能85（1996），1，2，277-299·doi:10.1016/0004-3702（95）00122-0 [24] Witten I.H.，Frank E.，Trigg L.，Hall M.，Holmes，G.，Cunningham，Sally Jo:Weka：《Java实现的实用机器学习工具和技术》。Morgan Kaufmann，xxxxxxx 1999年 [25] Zucker J.D.，Ganascia J.G.：结构域中有效学习的表征变化。国际。1996年机器学习会议，第543-551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。