集成可废止论证与机器学习技术
人工智能
2007-05-23 v2
摘要
机器学习（ML）领域关注的问题是如何构造能够随经验自动改进的算法。近年来，许多成功的ML应用被开发出来，例如数据挖掘程序、信息过滤系统等。尽管ML算法允许针对多种问题检测并提取有趣的数据模式，但这些算法大多基于定量推理，因为它们依赖训练数据来推断所谓的目标函数。近年来，可废止论证已被证明是形式化常识性定性推理的可靠框架。该方法可与其他推理技术相结合，例如机器学习理论所提供的技术。在本文中，我们概述了结合可废止论证与机器学习技术的不同方案。我们探讨了如何将基于论证的通用框架的不同方面与其他基于ML的方法相集成。
引用
@article{arxiv.cs/0402057,
title = {Integrating Defeasible Argumentation and Machine Learning Techniques},
author = {Sergio Alejandro Gomez and Carlos Ivan Chesñevar},
journal= {arXiv preprint arXiv:cs/0402057},
year = {2007}
}
备注
5 pages