基于规则过滤和谓词覆盖的MLN迁移算法研究

摘要：

迁移学习的目标是将源领域的知识迁移到目标领域,从而实现在数据稀缺的目标领域上获得良好的效果.在处理关系型数据时,研究将迁移学习与马尔科夫逻辑网络相结合,得到一种基于一阶逻辑公式映射的迁移学习算法.本文的迁移算法针对的是目标域数据极少的情况.为了提升迁移的效果,研究基于迁移规则和依据权重覆盖谓词的策略对映射的公式进行适当的筛选,迁移对目标域价值最大的公式,最终提升整体迁移效果.研究用3个从现实世界收集的关系型数据来验证本文算法,并与现有的算法进行对比,结果显示本文的算法具有出色的表现.

关键词：迁移学习、马尔可夫逻辑网络、谓词映射、规则筛选、谓词覆盖

所属期刊栏目：10

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;国家重点研发计划

在线出版日期：2020-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：265-270