SeFNet：用语义特征网桥接表格数据集
机器学习
2023-06-21 v1
摘要
机器学习应用涵盖广泛的预测任务，其中表格数据集发挥着重要作用。然而，尽管它们常解决相似问题，表格数据集通常被视为独立任务。由于缺少关于其特征的结构化上下文信息以及对其间关系的理解，利用先前已解决问题可能性的途径十分有限。为克服此限制，我们提出一种称为语义特征网（SeFNet）的新方法，以捕捉所分析表格特征的语义含义。通过利用现有本体与领域知识，SeFNet为不同预测任务间的见解共享开辟了新机遇。其中一种机遇是基于数据集本体的语义相似度（DOSS）度量，它利用特征间关系量化数据集之间的相似性。在本文中，我们展示了一个为医疗健康领域预测任务集合所准备的SeFNet实例，其特征关系源自SNOMED-CT本体。所提出的SeFNet框架及配套的DOSS度量解决了表格数据集中上下文信息有限的问题。通过融入领域知识并建立特征间的语义关系，我们增强了元学习的潜力，并使有价值的见解能够在不同预测任务间共享。
引用
@article{arxiv.2306.11636,
title = {SeFNet: Bridging Tabular Datasets with Semantic Feature Nets},
author = {Katarzyna Woźnica and Piotr Wilczyński and Przemysław Biecek},
journal= {arXiv preprint arXiv:2306.11636},
year = {2023}
}