基于正則化稀疏的謂詞發(fā)現(xiàn)問(wèn)題及研究.pdf

1、歸納邏輯編程(Inductive Logic Programming，ILP)是指在受限制的一階邏輯框架中進(jìn)行歸納推理。歸納邏輯編程中一個(gè)重要問(wèn)題是在給定詞匯不足的情況下如何擴(kuò)展假設(shè)語(yǔ)言(Hypothesis Language)。解決該問(wèn)題的一種方法是通過(guò)引入新的謂詞使其與給定的詞匯相適應(yīng)。將有用的或有希望有用的新謂詞引入到邏輯理論框架中的方法稱(chēng)作謂詞發(fā)現(xiàn)(Predicate Invention，PI)。在統(tǒng)計(jì)關(guān)系學(xué)習(xí)領(lǐng)域，謂詞發(fā)現(xiàn)又稱(chēng)

2、為隱藏變量發(fā)現(xiàn)或潛在變量發(fā)現(xiàn)。無(wú)論是謂詞發(fā)現(xiàn)還是隱藏變量發(fā)現(xiàn)，在各自的領(lǐng)域都被認(rèn)為是十分重要的問(wèn)題，但同時(shí)也非常困難，迄今為止研究上取得的進(jìn)展有限。
　　通常的謂詞發(fā)現(xiàn)方法是重寫(xiě)一組緊密相關(guān)的規(guī)則將共同發(fā)現(xiàn)的謂詞作“子例程”，通過(guò)這種方式將新的謂詞引入邏輯理論當(dāng)中。謂詞發(fā)現(xiàn)之所以困難是因?yàn)槿绻绦蛟趫?zhí)行的過(guò)程中使用了一個(gè)表達(dá)不當(dāng)?shù)男轮^詞，可能會(huì)導(dǎo)致錯(cuò)誤級(jí)聯(lián)。直到軟謂詞發(fā)現(xiàn)方法的提出才有效解決這一問(wèn)題，但該方法的實(shí)驗(yàn)性能并不理想。<

3、br>　　本文提出了基于正則化稀疏的謂詞發(fā)現(xiàn)方法，它主要在一階可擴(kuò)展的邏輯平臺(tái)ProPPR(Programming with Personalized PageRank)上，通過(guò)引入正則化稀疏模型進(jìn)行謂詞發(fā)現(xiàn)，以此提高謂詞發(fā)現(xiàn)的效率?；谡齽t化稀疏的謂詞發(fā)現(xiàn)方法并不明確地創(chuàng)建新謂詞，而是通過(guò)使用正則化稀疏的方式將它們的參數(shù)一起正則化，從而隱式地組合緊密相關(guān)的規(guī)則。另外，本文著重研究了彈性網(wǎng)這一正則化稀疏模型對(duì)軟謂詞發(fā)現(xiàn)方法的影響。本文提