Context-sensitive Refinements for Stochastic Optimization Algorithms in Inductive Logic Programming

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F10%3A00171012" target="_blank" >RIV/68407700:21230/10:00171012 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Context-sensitive Refinements for Stochastic Optimization Algorithms in Inductive Logic Programming

Popis výsledku v původním jazyce

In this paper we describe a new approach to the application of evolutionary stochastic search in Inductive Logic Programming (ILP). Unlike traditional approaches that focus on evolving populations of logical clauses, our refinement-based approach uses the stochastic optimization process to iteratively adapt initial working clause. Utilization of context-sensitive concept refinements (adaptations) helps the search operations to produce mostly syntactically correct concepts and enables using available background knowledge both for efficiently restricting the search space and for directing the search. Thereby, the search is more flexible, less problem-specific and the framework can be easily used with any stochastic search algorithm within ILP domain. Experimental results on several data sets verify the usefulness of this approach.

Název v anglickém jazyce

Context-sensitive Refinements for Stochastic Optimization Algorithms in Inductive Logic Programming

Popis výsledku anglicky

In this paper we describe a new approach to the application of evolutionary stochastic search in Inductive Logic Programming (ILP). Unlike traditional approaches that focus on evolving populations of logical clauses, our refinement-based approach uses the stochastic optimization process to iteratively adapt initial working clause. Utilization of context-sensitive concept refinements (adaptations) helps the search operations to produce mostly syntactically correct concepts and enables using available background knowledge both for efficiently restricting the search space and for directing the search. Thereby, the search is more flexible, less problem-specific and the framework can be easily used with any stochastic search algorithm within ILP domain. Experimental results on several data sets verify the usefulness of this approach.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2010

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 12th annual conference comp on Genetic and evolutionary computation

ISBN

978-1-4503-0073-5

ISSN

—

e-ISSN

—

Počet stran výsledku

2

Strana od-do

—

Název nakladatele

ACM

Místo vydání

New York

Místo konání akce

Portland, Oregon

Datum konání akce

7. 7. 2010

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—