发明名称 |
基于马尔可夫逻辑网的关联规则迁移学方法 |
摘要 |
本发明涉及一种基于马尔可夫逻辑网的关联规则迁移学方法,从源领域到目标领域迁移MLN结构的算法主要分为两个部分:首先,将源领域中的MLN结构与目标领域进行映射,建立两个领域之间的关联;然后,对映射得到的结构进行优化以适应目标领域的指标,该方法的效果是,不仅可以简洁明了地描述庞大的Markov网,而且还可以灵活地在Markov网中融入模块化知识;并且能够容忍知识域中存在不完整性和矛盾性;提高了算法速度;可以通过限制用于更新的子句数量和限制每个子句的更新类型,来约束搜索空间。 |
申请公布号 |
CN104361396A |
申请公布日期 |
2015.02.18 |
申请号 |
CN201410717615.6 |
申请日期 |
2014.12.01 |
申请人 |
中国矿业大学 |
发明人 |
李海港;张倩 |
分类号 |
G06N7/00(2006.01)I |
主分类号 |
G06N7/00(2006.01)I |
代理机构 |
淮安市科翔专利商标事务所 32110 |
代理人 |
韩晓斌 |
主权项 |
一种基于马尔可夫逻辑网的关联规则迁移学习方法,从源领域到目标领域迁移MLN结构的算法主要分为两个部分:首先,将源领域中的MLN结构与目标领域进行映射,建立两个领域之间的关联;然后,对映射得到的结构进行优化以适应目标领域的指标,具体为: 第一部分:结构映射,结构映射的目的是发现从源MLN到目标MLN的最优映射,映射的好坏根据目标领域映射的MLN的性能评价,由加权伪对数似然值WPLL进行估计; 第二部分:结构优化 步骤1)自诊断,自诊断的目的是查找MLN中不准确的部分以期得到优化,即,算法检查源MLN,逐一确定子句是否需要改变长度,利用迁移的MLN在目标领域中进行推断,搜寻不成立的子句并查找原因,通过Gibbs采样来完成自诊断,即依次检验目标领域中的每个谓词,将正在测试的当前谓词标记为P<sup>*</sup>; 步骤2)结构更新,根据自诊断的结果,将太长的子句缩短,并将太短的子句加长; 步骤3)搜索新子句,利用关系寻径RPF方法来搜索目标领域中的新子句。 |
地址 |
221116 江苏省徐州市大学路1号中国矿业大学南湖校区 |