基于正則化稀疏的謂詞發(fā)現(xiàn)問題及研究.pdf

1、歸納邏輯編程(Inductive Logic Programming，ILP)是指在受限制的一階邏輯框架中進行歸納推理。歸納邏輯編程中一個重要問題是在給定詞匯不足的情況下如何擴展假設(shè)語言(Hypothesis Language)。解決該問題的一種方法是通過引入新的謂詞使其與給定的詞匯相適應(yīng)。將有用的或有希望有用的新謂詞引入到邏輯理論框架中的方法稱作謂詞發(fā)現(xiàn)(Predicate Invention，PI)。在統(tǒng)計關(guān)系學習領(lǐng)域，謂詞發(fā)現(xiàn)又稱

2、為隱藏變量發(fā)現(xiàn)或潛在變量發(fā)現(xiàn)。無論是謂詞發(fā)現(xiàn)還是隱藏變量發(fā)現(xiàn)，在各自的領(lǐng)域都被認為是十分重要的問題，但同時也非常困難，迄今為止研究上取得的進展有限。
　　通常的謂詞發(fā)現(xiàn)方法是重寫一組緊密相關(guān)的規(guī)則將共同發(fā)現(xiàn)的謂詞作“子例程”，通過這種方式將新的謂詞引入邏輯理論當中。謂詞發(fā)現(xiàn)之所以困難是因為如果程序在執(zhí)行的過程中使用了一個表達不當?shù)男轮^詞，可能會導致錯誤級聯(lián)。直到軟謂詞發(fā)現(xiàn)方法的提出才有效解決這一問題，但該方法的實驗性能并不理想。<

3、br>　　本文提出了基于正則化稀疏的謂詞發(fā)現(xiàn)方法，它主要在一階可擴展的邏輯平臺ProPPR(Programming with Personalized PageRank)上，通過引入正則化稀疏模型進行謂詞發(fā)現(xiàn)，以此提高謂詞發(fā)現(xiàn)的效率?；谡齽t化稀疏的謂詞發(fā)現(xiàn)方法并不明確地創(chuàng)建新謂詞，而是通過使用正則化稀疏的方式將它們的參數(shù)一起正則化，從而隱式地組合緊密相關(guān)的規(guī)則。另外，本文著重研究了彈性網(wǎng)這一正則化稀疏模型對軟謂詞發(fā)現(xiàn)方法的影響。本文提