Improving scalability of inductive logic programming via pruning and best-effort optimisation

•Pruning in hypothesis generalization algorithm enables learning from larger dataset.•Using latest optimization methods for better usage of modern solver technology.•Adding a time budget allowing the usage of suboptimal results in XHAIL.•Obtaining competitive results and explainable hypotheses in se...

Celý popis

Podrobná bibliografie

Vydáno v:	Expert systems with applications Ročník 87; s. 291 - 303
Hlavní autoři:	Kazmi, Mishal, Schüller, Peter, Saygın, Yücel
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York Elsevier Ltd 30.11.2017 Elsevier BV
Témata:	Answer Set Programming Artificial intelligence Chunking Datasets Inductive logic programming Logic programming Machine learning Natural Language Processing Optimization Pruning Statistical methods Chunking Inductive logic programming Answer Set Programming Natural Language Processing
ISSN:	0957-4174, 1873-6793
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!