揭示有趣洞见：基于蒙特卡洛树搜索的知识发现
人工智能
2025-10-02 v1
摘要
组织越来越关注从其过程中产生的数据中获取洞见以驱动决策。然而，将数据转化为可操作的知识仍然是一个困难且耗时的任务。数据收集量与处理与理解能力之间的差距正是自动化知识发现旨在弥补的空白。自动化知识发现涉及一系列复杂的开放问题，包括有效地导航数据、构建模型以提取隐式关系以及考虑主观目标与知识。在本文中，我们引入了一种新方法，用于自动化洞察与数据探索（Automated Insights and Data Exploration, AIDE），通过采用蒙特卡洛树搜索（Monte Carlo Tree Search, MCTS）来构筑应对这些挑战的稳健基础。我们使用真实数据和合成数据对 AIDE 进行了评估，证明其在识别数据转换和能够揭示有趣数据模式的模型方面的有效性。AIDE 的 MCTS 架构具有显著的可扩展性，允许未来集成额外的模式提取策略和领域知识。这是一种有价值的步骤，致力于开发全面的自动化知识发现解决方案。
引用
@article{arxiv.2510.00876,
title = {Unveiling Interesting Insights: Monte Carlo Tree Search for Knowledge Discovery},
author = {Pietro Totis and Alberto Pozanco and Daniel Borrajo},
journal= {arXiv preprint arXiv:2510.00876},
year = {2025}
}