Jun, 2024

挖掘概念模型中的频繁结构

PDF
TL;DR我们提出了一种通用方法来发现在概念建模语言中经常出现的结构，并提供了一个实现，通过频繁子图挖掘算法和图形操作技术，可以处理多个概念模型并发现根据多个标准的重复结构。
发现论文，激发创造
  • 基于结构学习的正义高效 Motif 搜索算法

    本文提出了一种基于随机过程的方法来挖掘抽象化的图形模型中的结构语素，并通过标准测试发现其准确度比现有的结构学习方法高出了 6％，计算时间快 80％.

    Feb, 2023

  • 通过知识图谱和多尺度数据集成推断高级地理概念：以 C 形建筑模式识别为例研究

    本研究提出了一种基于知识图谱的 C 形建筑模式识别方法，通过属性图，图数据库和基于规则的推理，实现了建筑模式的有效识别。研究结果表明，相较于现有方法，该方法在多级精度上能够取得更高的召回率和更高的识别效率。

    Apr, 2023

  • 基于模式的分类：一种统一的视角

    本文讨论模式挖掘在预测模型中的应用，并提供具有解释性和准确性的模式选择方法。

    Nov, 2011

  • 常识本体微模式

    使用模块化本体建模方法 (MOMo) 将常见名词从大语言模型中抽取整理为 104 个本体设计模式，并组织成一个完全注释的模块化本体设计库，以加速本体发展和使用。

    Feb, 2024

  • 基于效用的模式挖掘综述

    该综述论文旨在提供一种对效用矿山（UPM）的综合和有结构的概述，包括其概念，方法和现有的高效用模式，采用的技术和算法等，同时考虑其高影响应用的实际挑战和开放问题。

    May, 2018

  • 频繁子图挖掘的表示学习

    通过组合图神经网络、顺序嵌入空间和高效搜索策略，Subgraph Pattern Miner (SPMiner) 实现了在大型目标图中近似查找频繁子图模式，并相较于现有方法和可能的神经替代方案具有更高准确性、更快速度和更好的可扩展性。

    Feb, 2024

  • 空间知识图谱线性建筑模式识别

    本文提出了一种基于知识图谱的建筑线性排布模式识别方法，并在包括 1289 座建筑的数据集上进行了实验，结果显示该方法能够达到与现有方法相同的精度和召回率，同时提高了 5.98 倍的识别效率。

    Apr, 2023

  • 代码概括模型学习所得的解析

    本文首次给出了代码概括模型所发现的模式的形式化定义，并提出了一种推断正则语言文法的声学算法。 PATIC 对代码 2vec 和代码 2seq 进行了评估并发现提取出的模式受限于局部和语法代码结构并缺乏语义含义。基于这些发现，本文介绍了正式定义模式的两个新方法：评估健壮性和提高代码概括模型的准确性。

    Mar, 2023

  • 考虑多次出现的频繁串事件增量挖掘

    本文提出一种新的序列模式挖掘问题，建议使用新的策略剪枝搜索空间，以识别模式的基本特征和之间的相互关系，并通过在真实和合成数据上的实验证明了该方法的有用性。

    Jan, 2022

  • 归纳学习获取物体拓扑特征

    采用归纳学习的方法，提出了基于对象骨架的拓扑结构的形式化表示，并实现了 “寻求共同点” 的归纳过程，从经验主义推进到合理主义的目标。

    Jun, 2023