面向过程案例推理中改进相似性评估的知情机器学习
人工智能
2021-07-01 v1
摘要
当前，案例推理(CBR)应用中的深度学习(DL)组件往往缺乏可用领域知识的全面集成。机器学习领域内向所谓知情机器学习(Informed machine learning)发展的趋势有助于克服这一局限。因此，本文研究将领域知识集成到图神经网络(GNN)中，用于过程导向CBR应用内语义图间相似性评估的潜力。我们以两种方式集成知识：首先，采用一种特殊的数据表示与处理方法，其对每个图节点与边的语义标注结构知识进行编码；其次，GNN的消息传递组件受合法节点映射知识的约束。评估考察了扩展GNN相比原始模型的质量与训练时间。结果表明，两种扩展均能提供更优质量、更短训练时间，或在部分配置下同时具备这两方面优势。
引用
@article{arxiv.2106.15931,
title = {Informed Machine Learning for Improved Similarity Assessment in Process-Oriented Case-Based Reasoning},
author = {Maximilian Hoffmann and Ralph Bergmann},
journal= {arXiv preprint arXiv:2106.15931},
year = {2021}
}
备注
Accepted at the IJCAI-21 workshop on Deep Learning, Case-Based Reasoning, and AutoML: Present and Future Synergies