nach oben

Erschienen in:

2017 | OriginalPaper | Buchkapitel

Learning Probabilistic Relational Models Using an Ontology of Transformation Processes

verfasst von : Melanie Munch, Pierre-Henri Wuillemin, Cristina Manfredotti, Juliette Dibie, Stephane Dervaux

Erschienen in: On the Move to Meaningful Internet Systems. OTM 2017 Conferences

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

Probabilistic Relational Models (PRMs) extend Bayesian networks (BNs) with the notion of class of relational databases. Because of their richness, learning them is a difficult task. In this paper, we propose a method that learns a PRM from data using the semantic knowledge of an ontology describing these data in order to make the learning easier. To present our approach, we describe an implementation based on an ontology of transformation processes and compare its performance to that of a method that learns a PRM directly from data. We show that, even with small datasets, our approach of learning a PRM using an ontology is more efficient.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel On the Need for Applications Aware Adaptive Middleware in Real-Time RDF Data Analysis (Short Paper)

Nächstes Kapitel ORDAIN: An Ontology for Trust Management in the Internet of Things

These are two standard well known methods for learning BN. These and others methods can be found in [12].

Ben Ishak, M., Leray, P., Ben Amor, N.: Ontology-based generation of object oriented Bayesian networks. In: BMAW 2011, Spain, pp. 9–17 (2011). https://hal.archives-ouvertes.fr/hal-00644992

Manning, C.D., Raghavan, P., Schütze, H.: Introduction to Information Retrieval. Cambridge University Press, New York (2008)CrossRefMATH

Cutic, D., Gini, G.: Creating causal representations from ontologies and Bayesian networks. In: Arai, Gini, P.E. (eds.) Proceedings of Workshop NRF- IAS, Venice, Italy, pp. 1–12, 18–19th July 2014. http://home.deib.polimi.it/gini/papers/2014NFR.pdf

Ettouzi, N., Leray, P., Messaoud, M.B.: An exact approach to learning probabilistic relational model. In: Antonucci, A., Corani, G., Campos, C.P. (eds.) Proceedings of the Eighth International Conference on Probabilistic Graphical Models, pp. 171–182 (2016)

Friedman, N., Getoor, L., Koller, D., Pfeffer, A.: Learning probabilistic relational models. In: Dean, T. (ed.) Proceedings of the Sixteenth International Joint Conference on Artificial Intelligence, IJCAI 1999, Stockholm, Sweden, 31 July–6 August 1999, vol. 2, pp. 1300–1309, 1450 pages. Morgan Kaufmann (1999). http://ijcai.org/Proceedings/99-2/Papers/090.pdf

Getoor, L., Taskar, B.: Introduction to Statistical Relational Learning. Adaptive Computation and Machine Learning. The MIT Press, Cambridge (2007)MATH

Gonzales, C., Torti, L., Wuillemin, P.H.: aGrUM: a graphical universal model framework. In: Proceedings of the 30th International Conference on Industrial Engineering, Other Applications of Applied Intelligent Systems, Arras, France, June 2017. https://hal.archives-ouvertes.fr/hal-01509651

Helsper, E.M., van der Gaag, L.C.: Building Bayesian networks through ontologies. In: Proceedings of the 15th Eureopean Conference on Artificial Intelligence, ECAI 2002, Lyon, France, July 2002, pp. 680–684 (2002)

Ibanescu, L., Dibie, J., Dervaux, S., Guichard, E., Raad, J.: PO\(^2\) - a process and observation ontology in food science. Application to dairy gels. In: Garoufallou, E., Subirats Coll, I., Stellato, A., Greenberg, J. (eds.) MTSR 2016. CCIS, vol. 672, pp. 155–165. Springer, Cham (2016). doi:10.1007/978-3-319-49157-8_13 CrossRef

10.

Li, X.-L., Zhou, Z.-H.: Structure learning of probabilistic relational models from incomplete relational data. In: Kok, J.N., Koronacki, J., Mantaras, R.L., Matwin, S., Mladenič, D., Skowron, A. (eds.) ECML 2007. LNCS, vol. 4701, pp. 214–225. Springer, Heidelberg (2007). doi:10.1007/978-3-540-74958-5_22 CrossRef

11.

Manfredotti, C.E., Baudrit, C., Dibie-Barthélemy, J., Wuillemin, P.: Mapping ontology with probabilistic relational models. In: Fred, A.L.N., Dietz, J.L.G., Aveiro, D., Liu, K., Filipe, J. (eds.) KEOD 2015 - Proceedings of the International Conference on Knowledge Engineering and Ontology Development, part of the 7th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management (IC3K 2015), Lisbon, Portugal, 12–14 November 2015, vol. 2, pp. 171–178. SciTePress (2015). https://doi.org/10.5220/0005590001710178

12.

Neapolitan, R.E.: Learning Bayesian Networks. Prentice-Hall Inc., Upper Saddle River (2003)

13.

Staab, S., Studer, R. (eds.): Handbook on Ontologies. IHIS. Springer, Heidelberg (2009). doi:10.1007/978-3-540-92673-3 MATH

14.

Thrun, S., Burgard, W., Fox, D.: Probabilistic Robotics. Intelligent Robotics and Autonomous Agents. The MIT Press, Cambridge (2005)MATH

15.

Torti, L., Wuillemin, P.H., Gonzales, C.: Reinforcing the object-oriented aspect of probabilistic relational models. In: PGM 2010 - The Fifth European Workshop on Probabilistic Graphical Models, Helsinki, Finland, pp. 273–280, September 2010. https://hal.archives-ouvertes.fr/hal-00627823

16.

Wuillemin, P., Torti, L.: Structured probabilistic inference. Int. J. Approx. Reason. 53(7), 946–968 (2012). https://doi.org/10.1016/j.ijar.2012.04.004 CrossRefMathSciNetMATH

Titel: Learning Probabilistic Relational Models Using an Ontology of Transformation Processes
verfasst von: Melanie Munch
Pierre-Henri Wuillemin
Cristina Manfredotti
Juliette Dibie
Stephane Dervaux
Verlag: Springer International Publishing
Buch: On the Move to Meaningful Internet Systems. OTM 2017 Conferences
Print ISBN: 978-3-319-69458-0

Electronic ISBN: 978-3-319-69459-7

Copyright-Jahr: 2017
DOI: https://doi.org/10.1007/978-3-319-69459-7_14

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"