Probabilistic Rule Learning through Integer Linear Programming

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F11%3A00178877" target="_blank" >RIV/68407700:21230/11:00178877 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Probabilistic Rule Learning through Integer Linear Programming

Popis výsledku v původním jazyce

Recent interest in probabilistic logic as a formalism for machine learning has motivated the formulation of "probabilistic rule learning", where the task is to induce a set of logical rules from a probabilistic database. We start by defining rule learning within propositional, robabilistic logic. Then we show that this problem can be viewed as a regression task with integer variables. This problem is translated into Mixed Linear Programming, which is experimentally shown to provide a speedup over the current implementation. The advantage of this approach is the ability to switch between logically interpretable rule learning with binary coefficients and classical regression with rational coefficients.

Název v anglickém jazyce

Probabilistic Rule Learning through Integer Linear Programming

Popis výsledku anglicky

Recent interest in probabilistic logic as a formalism for machine learning has motivated the formulation of "probabilistic rule learning", where the task is to induce a set of logical rules from a probabilistic database. We start by defining rule learning within propositional, robabilistic logic. Then we show that this problem can be viewed as a regression task with integer variables. This problem is translated into Mixed Linear Programming, which is experimentally shown to provide a speedup over the current implementation. The advantage of this approach is the ability to switch between logically interpretable rule learning with binary coefficients and classical regression with rational coefficients.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/GAP103%2F10%2F1875" target="_blank" >GAP103/10/1875: Učení se z teorií</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2011

Kód důvěrnosti údajů

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

Název statě ve sborníku

Sborník příspěvků 10. ročníku konference ZNALOSTI 2011

ISBN

978-80-248-2369-0

ISSN

—

e-ISSN

—

Počet stran výsledku

9

Strana od-do

45-53

Název nakladatele

VŠB-TUO

Místo vydání

Ostrava

Místo konání akce

Stará Lesná

Datum konání akce

31. 1. 2011

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—