关系tri-training:利用无标记数据学习一阶规则

• 作者: 李艳娟 郭茂祖
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 机器学习 归纳逻辑程序设计(ILP) 关系tri-training 概率近似正确(PAC)可学习
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 学术研究
• 页码范围: 430-442
• 分类号: TP18
• 字数: 7658字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2012.05.005

摘要

针对目前归纳逻辑程序设计(inductive logic programming,ILP)系统要求训练数据充分且无法利用无标记数据的不足,提出了一种利用无标记数据学习一阶规则的算法——关系tri-training(relational-tri-training,R-tri-training)算法.该算法将基于命题逻辑表示的半监督学习算法tri-training的思想引入到基于一阶逻辑表示的ILP系统,在ILP框架下研究如何利用无标记样例信息辅助分类器训练.R-tri-training算法首先根据标记数据和背景知识初始化三个不同的ILP系统,然后迭代地用无标记样例对三个分类器进行精化,即如果两个分类器对一个无标记样例的标记结果一致,则在一定条件下该样例将被标记给另一个分类器作为新的训练样例.标准数据集上实验结果表明:R-tri-training能有效地利用无标记数据提高学习性能,且R-tri-training算法性能优于GILP(genetic inductive logic programming)、NFOIL、KFOIL和ALEPH.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李艳娟	哈尔滨工业大学计算机科学与技术学院	29	78	4.0	8.0
3	郭茂祖	哈尔滨工业大学计算机科学与技术学院	77	1227	20.0	33.0