Pruning Hypothesis Spaces Using Learned Domain Theories

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F18%3A00320168" target="_blank" >RIV/68407700:21230/18:00320168 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-78090-0_11" target="_blank" >http://dx.doi.org/10.1007/978-3-319-78090-0_11</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-78090-0_11" target="_blank" >10.1007/978-3-319-78090-0_11</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Pruning Hypothesis Spaces Using Learned Domain Theories

Popis výsledku v původním jazyce

We present a method to prune hypothesis spaces in the con- text of inductive logic programming. The main strategy of our method consists in removing hypotheses that are equivalent to already consid- ered hypotheses. The distinguishing feature of our method is that we use learned domain theories to check for equivalence, in contrast to existing approaches which only prune isomorphic hypotheses. Specifically, we use such learned domain theories to saturate hypotheses and then check if these saturations are isomorphic. While conceptually simple, we exper- imentally show that the resulting pruning strategy can be surprisingly effective in reducing both computation time and memory consumption when searching for long clauses, compared to approaches that only con- sider isomorphism.

Název v anglickém jazyce

Pruning Hypothesis Spaces Using Learned Domain Theories

Popis výsledku anglicky

We present a method to prune hypothesis spaces in the con- text of inductive logic programming. The main strategy of our method consists in removing hypotheses that are equivalent to already consid- ered hypotheses. The distinguishing feature of our method is that we use learned domain theories to check for equivalence, in contrast to existing approaches which only prune isomorphic hypotheses. Specifically, we use such learned domain theories to saturate hypotheses and then check if these saturations are isomorphic. While conceptually simple, we exper- imentally show that the resulting pruning strategy can be surprisingly effective in reducing both computation time and memory consumption when searching for long clauses, compared to approaches that only con- sider isomorphism.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA17-26999S" target="_blank" >GA17-26999S: Hluboké relační učení</a><br>

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2018

Kód důvěrnosti údajů

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

Název statě ve sborníku

Inductive Logic Programming 2017

ISBN

978-3-319-78089-4

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

17

Strana od-do

152-168

Název nakladatele

Springer International Publishing

Místo vydání

Cham

Místo konání akce

Orléans

Datum konání akce

4. 9. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—