用于关系自动补全的分布式程序学习
人工智能
2021-07-06 v5 机器学习
计算机科学中的逻辑
摘要
关系自动补全是在多关系数据中自动填充某些缺失值的问题。我们在支持离散与连续概率分布的分布式子句（Distributional Clauses, DC）概率逻辑编程框架内解决此问题。在该框架中，我们引入DiceML——一种从关系数据（可能含缺失数据）中学习DC程序结构与参数的方法。为此，DiceML将统计建模与分布式子句同规则学习相集成。DiceML的区别性特征在于：1）处理关系数据中的自动补全；2）学习扩展有统计模型的分布式子句；3）处理离散与连续分布；4）可利用背景知识；5）使用基于期望最大化的算法应对缺失数据。实证结果显示了该方法的潜力，即使在存在缺失数据时亦然。
引用
@article{arxiv.2001.08603,
title = {Learning Distributional Programs for Relational Autocompletion},
author = {Kumar Nitesh and Kuzelka Ondrej and De Raedt Luc},
journal= {arXiv preprint arXiv:2001.08603},
year = {2021}
}