Forest Mixing: investigating the impact of multiple search trees and a shared refinements pool on ontology learning

要約

私たちはホワイトボックス機械学習アルゴリズムの開発を目指しています。
ここでは、記述ロジックの公理を学習するためのアルゴリズムに焦点を当てます。
DL-Learner ツールに含まれる Class Expression Learning for Ontology Engineering (CELOE) アルゴリズムを拡張します。
このアプローチでは、複数の検索ツリーとリファインメントの共有プールを使用して、検索スペースをより小さなサブスペースに分割します。
各ツリーからの最良のクラス式の結合演算を導入し、最も多くの情報を与える結果を保持します。
目的は、多様な開始クラスのセットからの探索を促進し、オントロジーでクラス表現を見つけるプロセスを合理化することです。
%、特に大規模な検索スペースで。
現在の実装と設定は、フォレスト ミキシング アプローチが従来の CELOE を上回るパフォーマンスを発揮していないことを示しています。
これらの結果にもかかわらず、このアプローチによってもたらされた概念的な提案は、オントロジーにおけるクラス表現の発見における将来の改善を刺激する可能性があります。
%と影響力。
% 一般的に検索スペースを横断する方法です。

要約(オリジナル)

We aim at development white-box machine learning algorithms. We focus here on algorithms for learning axioms in description logic. We extend the Class Expression Learning for Ontology Engineering (CELOE) algorithm contained in the DL-Learner tool. The approach uses multiple search trees and a shared pool of refinements in order to split the search space in smaller subspaces. We introduce the conjunction operation of best class expressions from each tree, keeping the results which give the most information. The aim is to foster exploration from a diverse set of starting classes and to streamline the process of finding class expressions in ontologies. %, particularly in large search spaces. The current implementation and settings indicated that the Forest Mixing approach did not outperform the traditional CELOE. Despite these results, the conceptual proposal brought forward by this approach may stimulate future improvements in class expression finding in ontologies. % and influence. % the way we traverse search spaces in general.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google