کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6853218 658325 2015 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Speeding up operations on feature terms using constraint programming and variable symmetry
ترجمه فارسی عنوان
سرعت عملیات در شرایط ویژگی با استفاده از محدودیت برنامه نویسی و تقارن متغیر
کلمات کلیدی
اصطلاحات ویژگی، محدود کردن برنامه ریزی، تقارن، یادگیری ماشین سازه، برنامه ریزی منطقی القایی،
ترجمه چکیده
اصطلاحات خصیصه تعمیم اصطلاحات مرتبه اول هستند که اخیرا توجه بیشتری به سودمندی آنها در یادگیری ماشین آلات ساختاری، پردازش زبان طبیعی و دیگر برنامه های هوش مصنوعی داده شده است. یکی از موانع اصلی استفاده گسترده آنها این است که وقتی ویژگی های ارزشمند اجازه می دهند، عملیات اساسی آنها (تقسیم، متحد سازی و ضد انهدام) هزینه های بسیار محاسباتی دارند. ما یک فرمول محدودیت برنامه نویسی برای این عملیات ارائه می دهیم که در بعضی موارد با توجه به رویکردهای استاندارد، دستورات سرعت های بالا را فراهم می کند. علاوه بر این، بهره برداری از چندین تقارن - که اغلب در پایگاه داده های ویژگی های ظاهر می شود - موجب صرفه جویی قابل توجه اضافی. ما نتایج آزمایشگاهی مزایای این روش را ارائه می دهیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Feature terms are a generalization of first-order terms which have recently received increased attention for their usefulness in structured machine learning, natural language processing and other artificial intelligence applications. One of the main obstacles for their wide usage is that, when set-valued features are allowed, their basic operations (subsumption, unification, and antiunification) have a very high computational cost. We present a Constraint Programming formulation of these operations, which in some cases provides orders of magnitude speed-ups with respect to the standard approaches. In addition, exploiting several symmetries - that often appear in feature terms databases - causes substantial additional savings. We provide experimental results of the benefits of this approach.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Artificial Intelligence - Volume 220, March 2015, Pages 104-120
نویسندگان
, ,