链接发现中运行时近似模型的评估
人工智能
2016-12-02 v1
摘要
高效的链接发现对于实现语义网的愿景至关重要。一些最快速的链接发现方法在内部依赖规划来执行链接规范。在较新的工作中，线性模型已被用于估计最快规划器的运行时间。然而，迄今为止尚未有其他类别的模型被用于此目的。在本文中，我们研究用于运行时间估计的非线性估计函数。具体而言，我们研究用于估计规划器运行时间的指数模型和混合模型。为此，我们使用400个链接规范在六个数据集上评估了三种不同的运行时间模型。我们表明，指数模型和混合模型在训练时获得更好的拟合，但仅在某些情况下更可取。我们的评估还表明，使用更好的运行时间近似模型对链接规范的整体执行有积极影响。
引用
@article{arxiv.1612.00240,
title = {An Evaluation of Models for Runtime Approximation in Link Discovery},
author = {Kleanthi Georgala and Micheal Hoffmann and Axel-Cyrille Ngonga Ngomo},
journal= {arXiv preprint arXiv:1612.00240},
year = {2016}
}