Guided Class Expression Learning
Das Lernen von Klassenausdrücken ist eine anspruchsvolle, aber wichtige Aufgabe. Bei gegebenen Mengen positiver und negativer Beispiele besteht das Ziel darin, einen Klassenausdruck zu erzeugen, der möglichst viele positive Beispiele einschließt, aber die negativen Beispiele ausschließt. Die Suche nach einem solchen Klassenausdruck findet jedoch in einem unendlichen Raum statt und kann daher sehr schwierig werden. Ein klassischer Ansatz für dieses Problem ist eine Schleife, in der der derzeit beste bekannte Ausdruck ausgewählt und mit Hilfe eines Verfeinerungsoperators weiter verfeinert wird. Die folgende Abbildung zeigt einen solchen Baum von Verfeinerungen. Die grünen Knoten sind diejenigen, die für eine weitere Verfeinerung ausgewählt werden.
Obwohl die derzeitigen Ansätze recht gut funktionieren können, neigen sie dazu, die Suche auf der Grundlage einer Zusammenfassung der Leistungen des Ausdrucks zu leiten, während das Programm selbst in der Lage wäre, detailliertere Informationen zur Steuerung der Suche zu liefern. Das Ziel dieser Arbeit ist es daher, die Suche intelligenter zu gestalten und Ausdrücke oder deren Kombinationen datengesteuert auszuwählen. Gleichzeitig könnte es notwendig sein, zusätzliche Maße für die Qualität der Ausdrücke einzuführen, um eine Überanpassung zu vermeiden.
Voraussetzungen:
- Java-Programmierkenntnisse können hilfreich sein
- Grundlegendes Verständnis von Beschreibungslogiken
