Sep, 2023

森林混合：研究多个搜索树和共享的精化汇集对本体学习的影响

PDF
TL;DR白盒机器学习算法的研究，特别关注用于学习描述逻辑中的公理的算法，通过引入多个搜索树和共享细化池以将搜索空间分割为较小子空间，使用从每棵树中获取最佳类表达式的合取操作以提供最有用信息，旨在促进从多样的起始类中进行探索，并简化发现本体中的类表达式的过程。
white-box machine learningaxiomsdescription logicclass expression learningontology engineering
发现论文，激发创造
  • 不断演变的类本体下的连续学习

    本文正式制定了一个针对 “具有演变类本体的学习” 的问题研究方案，并探索了诸如如何注释新数据或重新标记旧数据等问题。作者采用了增量学习的相关洞见来验证并处理分类任务中不断更新的标签数据集。研究还表明，相对于重新打标签，对新数据进行注释是更好的策略。

    Oct, 2022

  • 将名词引入联合查询方法以解决 EL 问题

    提出了一种用于 OWL 2 EL 子集内的联合查询应答的方法，该方法是基于一种称为 combined approaches 的方法实现的，该方法包括材料化本体和数据的某些后果、在数据上评估查询以及过滤第二阶段的结果以消除不合理的答案。该方法有助于在 OWL 2 EL 大片段中进行联合查询应答。

    Mar, 2013

  • 树集成中的最优反事实解释

    本文提出了一种基于模型的搜索方法，利用混合整数规划技术生成了对树集的对抗性解释，并通过隔离森林模型针对低异常得分的合理解释进行优化。

    Jun, 2021

  • 成本高效学习的交互本体匹配

    本研究通过引入适用于本体匹配的主动学习方法 DualLoop 解决最后一英里问题，其中包括可调节的启发式匹配器、适应高度不平衡数据的短期学习器和创建调整新启发式方法以探索潜在匹配的长期学习器。通过在三个不同规模和领域的数据集上评估 DualLoop，我们达到比现有主动学习方法更好的 F1 分数和召回率，并将查询成本降低了 50% 以上，成功找到了额外的匹配，并在建筑工程行业中部署和运行，展示了其实际价值和效率。

    Apr, 2024

  • EvoLearner: 使用进化算法学习描述逻辑

    本文介绍了一种基于进化式学习的方法 ——EvoLearner 来学习知识图谱知识，并对这种方法在数据属性上提供了新的支持，同时通过 SML-Bench 基准框架展示了其显著的性能优势。

    Nov, 2021

  • 轻量级描述逻辑本体的精确学习

    该论文研究了使用 Angluin 等人的准确查询学习框架来学习描述逻辑本体的问题，证明了可以用多项式大小的多项式查询来学习用 DL-Lite 描述逻辑和某些和 OWL 2 RL 相关的 EL 片段描述的本体，但即使只允许非循环本体，也不能用多项式大小的查询来学习用 EL 描述逻辑描述的本体。

    Sep, 2017

  • 滚动前瞻学习最优分类树

    提出一种基于滚动子树向前算法的分类树构建算法，能够有效解决最优算法存在的学习病理问题，并在大量计算分析实验中证明其相较于最优算法与局部最优算法能够提升 23.6% 和 14.4% 的模型准确率

    Apr, 2023

  • 学习概念长度加速 ALC 中的概念学习

    通过神经网络进行概念长度预测，优化基于细化算子的概念学习方法，提出 CLIP 算法，可实现 ALC 概念学习的有效加速，且精度得到提升。

    Jul, 2021

  • 在图查询中整合连接搜索

    本文提出了连接树模式 (CTPs) 在图形查询语言中的整合及其算法的研究；研究广义关键字搜索，提出一种有效的修剪技术 MOLESP，并在大量实验中验证了 CTP 和 EQL 评估算法的性能。

    Aug, 2022

  • 树集成分类器的概念视角

    本文提出了一种基于格论的代数方法来解释树集成分类器中随机森林的分类性能，并展示了该方法在提供全局解释方面的能力。

    Feb, 2023