一种基于SCAD的改进谓词发现方法

针对归纳逻辑编程中传统谓词发现方法会导致错误级联的难题,提出一种基于平滑削边绝对偏离(smoothly clipped absolute deviation,SCAD)正则化稀疏的改进谓词发现方法.新方法并不明确地创建新谓词,而是通过使用正则化稀疏方式将软谓词发现的参数一起正则化,从而隐式地组合紧密相关的规则.在软谓词发现中引入SCAD这一正则化稀疏模型,同时针对无偏稀疏性,着重观察SCAD对软谓词发现结果的影响.基于欧洲皇室家庭关系数据集进行试验,确定了μ,α的最优值,并完成了知识库完善试验.结果表明,该方法能有效克服错误级联这一难题,缩短对知识库的查询时间,并可提高谓词发现的平均精准度到0.798,远超过基于拉普拉斯正则化的软谓词发现方法的0.726.