관계형 데이터로부터 학습

설정 많은 알고리즘이 단일 관계 또는 테이블에서 작동하지만 많은 실제 데이터베이스는 정보를 여러 테이블에 저장합니다 (Domingos, 2003).

질문 여러 (관계형) 테이블에서 어떤 유형의 알고리즘이 잘 학습됩니까 ? 특히 회귀 및 분류 작업에 적용 할 수있는 알고리즘에 관심이 있습니다 (예 : 네트워크 분석 중심이 아닌 링크 예측).

다음과 같은 여러 가지 접근 방식을 알고 있습니다 (그러나 일부가 누락되었다고 확신합니다).

• 다중 관계형 데이터 마이닝 (MRDM) (Dzeroski, 2002)
• 귀납적 논리 프로그래밍 (ILP) (Muggleton, 1992)
• 통계 관계 학습 (SRL) (Getoor, 2007)

Džeroski, S. (2003). 다중 관계형 데이터 마이닝 : 소개. ACM SIGKDD 탐색 뉴스 레터.

Getoor, Lise 및 Ben Taskar, eds. 통계적 관계 학습에 대한 소개. MIT 출판사, 2007.

S. Muggleton과 C. Feng. 논리 프로그램의 효율적인 유도. 알고리즘 학습 이론에 관한 제 1 차 대회, 368 ~ 381 페이지. 1990 년 도쿄 옴샤.

나는이 논문을 읽음 으로써이 주제를 연구하기 시작했다 : Macskassy, ​​S., & Provost, F. (2003). 간단한 관계형 분류기 . 고문은 그것이 관계형 학습에서 가장 간단한 분류 접근법이라고 말했습니다.

이 책은 좋은 소개 책입니다 : De Raedt, Luc, ed. 논리 및 관계 학습 . 2008 년 스프링거.

TILDE 및 WARMR에 ACE를 사용해보십시오.