盖夫曼模型的非参数学习
机器学习
2020-01-17 v2 机器学习
摘要
我们考虑盖夫曼模型的结构学习问题，并学习可用于从知识库导出特征表示的关联特征。这些关联特征是一阶规则，随后在盖夫曼模型的局部邻域上被部分接地并计数，以获得特征表示。我们提出了一种利用关联树距离来学习盖夫曼模型这些关联特征的方法。我们在真实数据集上的实证评估表明，我们的方法优于经典的规则学习。
引用
@article{arxiv.2001.00528,
title = {Non-Parametric Learning of Gaifman Models},
author = {Devendra Singh Dhami and Siwen Yan and Gautam Kunapuli and Sriraam Natarajan},
journal= {arXiv preprint arXiv:2001.00528},
year = {2020}
}
备注
8 pages, 6 figures