规则学习

知识图谱与基本概念

基本概念

规则学习定义：从训练数据中学习出一组能用于对未见示例进行判别的规则。

规则定义：规则一般是：语义明确、能描述数据分布所隐含的客观规律或领域概念。

逻辑规则定义：⊕←?1⋀?2⋀?3…⋀??⊕←f_1⋀f_2⋀f_3…⋀f_L

  右侧为规则体：由L个逻辑文字组成的合取式。

  左侧为规则头：逻辑文字组成的目标类别或概念。

规则集：若干个逻辑规则组成的集合成为规则集。

两种逻辑规则：

命题规则：由”原子命题”和逻辑连接词 与、或、非和蕴含构成的简单陈述句（if-then规则）。

  rule1：鱼类← ← (胎生 = no) ∧ (在水里生活 = yes)

  rule2：鸟类← ← (胎生 = no) ∧ (会飞 = yes)

一阶规则：描述事物的属性和关系，称为关系型规则，额外包含了断言和量化。

解决问题的思路

目标：（贪心）找到一个规则集，这个规则集尽可能多的覆盖样例。

分类过程总结

通过规则集对未见示例进行分类的时候，我们每条逻辑规则都可以看做是一个子模型，规则集就是这些子模型的集合，将规则集与未见实例进行匹配，若匹配成功（满足规则体中的所有条件）则实例被预测为正例，若都不匹配则为负例。

问题

如果一个示例被多条逻辑规则覆盖时，判别发生了冲突？

冲突消解

投票法：将判别类别相同的规则数最多的结果作为判别结果。

排序法：带序规则学习/