We discuss the frequent pattern mining problem in a general setting. From an analysis of abstract representations, summarization and frequent pattern mining, we arrive at a generalization of the problem. Then, we show how the problem can be cast into the powerful language of algorithmic information theory. This allows us to formulate a simple algorithm to mine for all frequent patterns.
GraDE: A Graph Diffusion Estimator for Frequent Subgraph Discovery in Neural Architectures
Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；BenchCouncil (International Open Benchmark Council)（国际开放基准委员会）；University of Chinese Academy of Sciences（中国科学院大学）；Northwestern University（西北大学）
The role of semantics in mining frequent patterns from knowledge bases in description logics with rules
Poznan University of Technology（波兹南理工大学）
我们提出了一种新的方法来挖掘频繁模式的语言，结合语义Web本体和规则。特别是，我们考虑使用的语言相结合的描述逻辑与DL安全的规则的设置。此设置对于语义Web的数据采掘的实际应用非常重要。我们专注于频繁模式发现的任务的表示形式主义的语义的关系，并为我们的方法的核心，我们提出了一种算法，利用组合知识库的语义。我们已经开发了一个概念验证数据采掘实现这一点。使用这一点，我们已经经验表明，使用组合的知识库进行语义测试，可以使数据采掘更快的修剪无用的候选模式之前，他们的评价。我们还表明，所产生的模式集的质量可以得到改善：模式更紧凑，并且模式更少。我们的结论是，利用所选择的表示形式主义的语义（上）关系频繁模式发现方法的设计和应用的关键。逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
Temporal Abstraction in Reinforcement Learning with the Successor Representation
DeepMind（深度思维）；Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所（Amii））；University of Alberta（阿尔伯塔大学）；Quebec AI Institute (Mila)（魁北克人工智能研究所（Mila））；McGill University（麦吉尔大学）
