通过搜索子句空间进行概率逻辑程序的结构学习
机器学习
2020-02-19 v1 人工智能
摘要
概率逻辑编程语言的学习正受到越来越多的关注，目前已有一些系统可用于学习这些语言的参数（PRISM、LeProbLog、LFI-ProbLog 和 EMBLEM）或同时学习结构和参数（SEM-CP-logic 和 SLIPCASE）。本文提出了 SLIPCOVER 算法，即“通过搜索子句空间进行概率逻辑程序的结构学习（Structure LearnIng of Probabilistic logic programs by searChing OVER the clause space）”。该算法在概率子句空间中执行束搜索（beam search），并在理论空间中执行贪婪搜索，使用数据的对数似然作为引导启发式。为了估计对数似然，SLIPCOVER 结合 EMBLEM 执行期望最大化（Expectation Maximization）。该算法在五个真实世界数据集上进行了测试，并与 SLIPCASE、SEM-CP-logic、Aleph 以及两种学习马尔可夫逻辑网络的算法（使用结构基元的学习（LSM）和 ALEPH++ExactL1）进行了比较。在大多数情况下，SLIPCOVER 实现了更高的精确率 - 召回率曲线下面积和 ROC 曲线下面积。
引用
@article{arxiv.1309.2080,
title = {Structure Learning of Probabilistic Logic Programs by Searching the Clause Space},
author = {Elena Bellodi and Fabrizio Riguzzi},
journal= {arXiv preprint arXiv:1309.2080},
year = {2020}
}
备注
44 pages, 12 figures