学习半可加行为的度量
人工智能
2015-12-10 v1
摘要
在商业分析中，度量值（例如销售数字或运输货物量）通常沿一个或多个相应类别（如时间或集装箱）的值求和。然而，并非每个度量都应按默认相加（例如，人们可能更典型地想要一组人的身高的平均值）；类似地，某些度量只应在特定约束内求和（例如，人口度量不必按年份求和）。在诸如Watson Analytics的系统中，度量的确切可加行为通常由人类专家确定。在这项工作中，我们针对此问题提出了一小组特征。我们在基于案例的推理方法中使用这些特征，其中系统建议一种聚合行为，在我们收集的数据集中准确率为86%。
引用
@article{arxiv.1512.03020,
title = {Learning measures of semi-additive behaviour},
author = {Hamidreza Chinaei and Mohsen Rais-Ghasem and Frank Rudzicz},
journal= {arXiv preprint arXiv:1512.03020},
year = {2015}
}
备注
7 pages, 11 figures, 5 tables