Core Concepts
Die Generalisierungsfähigkeit von Markov-Logik-Netzwerken (MLNs) über relationale Strukturen unterschiedlicher Größen hinweg wird quantifiziert. Die Varianz der MLN-Parameter wird als Schlüsselfaktor identifiziert, der die Konsistenz des MLN-Verhaltens über verschiedene Domänengrößen hinweg beeinflusst.
Abstract
Die Studie untersucht das Generalisierungsverhalten von Markov-Logik-Netzwerken (MLNs) über relationale Strukturen unterschiedlicher Größen hinweg. Mehrere Arbeiten haben beobachtet, dass MLNs, die auf einer bestimmten Domäne gelernt wurden, schlecht über Domänen unterschiedlicher Größen generalisieren. Dieses Verhalten entsteht aus einem Mangel an interner Konsistenz innerhalb eines MLN, wenn es über verschiedene Domänengrößen hinweg verwendet wird.
Die Studie quantifiziert diese Inkonsistenz und begrenzt sie durch die Varianz der MLN-Parameter. Die Parametervariation begrenzt auch die KL-Divergenz zwischen den Randverteilungen eines MLN, die aus unterschiedlichen Domänengrößen stammen. Die Autoren verwenden diese Grenzen, um zu zeigen, dass die Maximierung der Daten-Loglikelihood bei gleichzeitiger Minimierung der Parametervariation zwei natürlichen Vorstellungen von Generalisierung über Domänengrößen hinweg entspricht.
Die theoretischen Ergebnisse gelten auch für Exponential Random Graphs und andere auf Markov-Netzwerken basierende relationale Modelle. Schließlich beobachten die Autoren, dass Lösungen, die die MLN-Parametervariation verringern, wie Regularisierung und domänengrößenabhängige MLNs, die interne Konsistenz der MLNs erhöhen. Die Ergebnisse werden empirisch auf vier verschiedenen Datensätzen verifiziert, wobei verschiedene Methoden zur Kontrolle der Parametervariation verwendet werden, die zeigen, dass die Kontrolle der Parametervariation zu einer besseren Generalisierung führt.
Stats
Die Parametervariation begrenzt die KL-Divergenz zwischen den Randverteilungen eines MLN, die aus unterschiedlichen Domänengrößen stammen.
Quotes
"Die Generalisierungsfähigkeit von Markov-Logik-Netzwerken (MLNs) über relationale Strukturen unterschiedlicher Größen hinweg wird quantifiziert."
"Die Varianz der MLN-Parameter wird als Schlüsselfaktor identifiziert, der die Konsistenz des MLN-Verhaltens über verschiedene Domänengrößen hinweg beeinflusst."