Mining Latent Structures for Multimedia Recommendation
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Artificial Intelligence Research, Chinese Academy of Sciences（中国科学院人工智能创新研究院）
多媒体内容在现代网络时代占据主导地位。调查用户如何与多模态项目进行交互是快速发展的推荐系统中持续关注的问题。以前的大部分工作集中在建模用户与项目的交互与多模态功能包括作为边信息。然而，该方案不是很好地设计用于多媒体推荐。具体来说，只有协作项目项目关系隐式建模通过高阶项目用户项目关系。考虑到项目是与丰富的内容在多个模态，我们认为，潜在的语义项目项目的结构，这些多模态的内容可能是有益的学习更好的项目表示和进一步提高推荐。为此，我们提出了一个潜在的结构挖掘方法的多模态reCommEndation，我们简称为格。具体来说，在所提出的LATTICE模型中，我们设计了一个新的模态感知结构学习层，它学习每个模态的项-项结构，并聚合多个模态以获得潜在项图。基于学习的潜图，我们执行图卷积，以显式地将高阶项亲和力注入项表示中。然后，这些丰富的项目表示可以插入到现有的协同过滤方法中，以做出更准确的推荐。在三个真实数据集上的大量实验证明了我们的方法优于最先进的多媒体推荐方法，并验证了从多模态特征中挖掘潜在项-项关系的有效性。
2021-07-21 cs.IR cs.LG cs.MM
Cancer Research UK Drug Discovery Process Mining
THE UNIVERSITY OF SHEFFIELD（谢菲尔德大学）
背景英国癌症研究中心（CRUK）的药物发现部门（DDU）正在使用Dotmatics软件来存储和分析药物发现过程中的科学数据。虽然数据包括事件日志、时间戳、活动和用户信息，但它们大多位于数据库中，没有充分利用其潜在价值。目标。本文旨在从药物发现过程中记录的事件日志数据中提取知识，以捕获英国癌症研究中心（CRUK）DDU正在执行的业务流程。为药物发现过程提供了过程挖掘全景模型的评价和绘制方法。因此，通过使DDU能够最大限度地提高其在审查其资源和工作分配方面的效率，患者将更快地受益于更多的新治疗方法。结论组织的管理可以从过程挖掘方法中受益。迪斯科对于非管理专家来说是极好的。ProM非常适合研究目的的专家。然而，流程挖掘不是一劳永逸的，而是一个常规的运营管理过程。事实上，事件日志需要更多地了解目标组织行为和组织业务流程。研究人员必须意识到，事件日志数据是流程挖掘中最重要和最优先的元素。
2018-05-18 cs.DB cs.LG
DataLearner: A Data Mining and Knowledge Discovery Tool for Android Smartphones and Tablets
Charles Sturt University（查尔斯特大学）；The University of Sydney（悉尼大学）
智能手机已经成为终极的“个人”电脑，但尽管如此，用于移动设备的通用数据挖掘和知识发现工具却出奇地罕见。DataLearner是一款专为Android设备设计的新数据挖掘应用程序，它导入了Weka数据挖掘引擎，并使用Charles Sturt大学开发的算法对其进行了增强。此外，DataLearner还可以使用其他算法进行扩展。结合起来，DataLearner提供了40个分类，聚类和关联规则挖掘算法，用于模型训练和评估，而无需云计算资源或网络连接。它提供了与PC和笔记本电脑相同的分类精度，同时具有可接受的处理速度和可忽略的电池寿命。凭借其在手机大小的屏幕上提供易于使用的数据挖掘的能力，DataLearner是一种新的便携式，独立的数据挖掘工具，适用于远程，个性化和学习应用程序。DataLearner有四个元素-这篇论文，Google Play上的应用程序，GitHub上的GPL 3许可源代码和YouTube上的短视频。
2019-06-10 cs.LG stat.ML
Using association rule mining and ontologies to generate metadata recommendations from multiple biomedical databases
Stanford Center for Biomedical Informatics Research（斯坦福生物医学信息学研究中心）；Stanford University School of Medicine（斯坦福大学医学院）
元数据-机器可读的数据描述-越来越被视为描述目前存放在公共存储库中的大量生物医学数据集的关键。虽然大多数公共资料库都严格要求元数据必须随提交的数据集一起提供，但这些元数据的质量通常很差。一个关键的问题是，典型的元数据获取过程是繁重和耗时的，几乎没有交互式的指导或帮助提供给用户。次要的问题包括在创作元数据时缺乏验证和很少使用标准化术语或本体。迫切需要改进元数据获取过程，以帮助用户快速准确地输入元数据。在本文中，我们概述了一个元数据，旨在解决这一挑战的推荐系统。我们的方法使用关联规则挖掘，发现隐藏的关联元数据值之间的关联，并表示它们的形式的关联规则。然后，这些规则用于在创作元数据时向用户提供实时建议。我们的方法的新颖之处在于，它能够结合分析元数据从多个存储库生成的建议，并可以通过调整它们与本体论术语来增强这些建议。我们实现了我们的方法作为一个服务集成到CEDAR生物医学元数据创作平台，并使用来自两个公共生物医学存储库的元数据进行评估：美国国家生物技术信息中心（NCBI）BioSample和欧洲生物信息学研究所（EBI）BioSamples。结果表明，我们的方法是能够使用分析以前输入的元数据加上基于本体的映射，为用户提供准确的建议时，创作元数据。
2019-03-21 cs.DB cs.LG
Mining Stable Preferences: Adaptive Modality Decorrelation for Multimedia Recommendation
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）
针对模态间统计相关性导致模型学习虚假偏好及分布偏移下性能下降的问题，提出即插即用的模态去相关稳定学习框架MODEST，利用样本重加权和HSIC估计物品权重以实现模态去相关，从而学习用户稳定偏好并大幅提升多媒体推荐性能。
2023-06-25 cs.AI cs.IR cs.LG
Episodes Discovery Recommendation with Multi-Source Augmentations
University of Illinois Chicago（伊利诺伊大学芝加哥分校）；Spotify Research（Spotify研究院）
推荐系统（RS）通常通过基于历史交互的用户兴趣建模，从大量的项目中为用户检索潜在的候选项目。然而，历史交互数据是高度稀疏的，大多数项目是长尾项目，这限制了项目发现的表示学习。新的或冷启动项目的发现进一步加剧了这个问题。例如，在用户在播客空间中显示对比特币金融投资节目的兴趣之后，推荐系统可能想要建议，例如，一个新发布的区块链节目，来自一个更技术化的节目。事件相关性有助于发现，特别是当事件的交互数据有限时。因此，我们建立在经典的双塔模型，并引入新的多源增强使用对比学习框架（MACL），以提高情节嵌入学习，从众多相关的语义结合积极的情节。在一个大型音频流媒体平台的真实播客推荐数据集上进行的大量实验表明了该框架对用户播客探索和冷启动剧集推荐的有效性。
2023-01-17 cs.AI cs.IR cs.LG
Latent Structure Mining with Contrastive Modality Fusion for Multimedia Recommendation
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
近年来，人们对多媒体推荐越来越感兴趣，多媒体推荐的目的是预测用户是否会与具有多模态内容的项目进行交互。以往的研究集中在建模用户项目交互多模态功能包括作为边信息。然而，该方案不是很好地设计用于多媒体推荐。首先，只有合作项目项目关系隐式建模通过高阶项目-用户-项目同现。我们认为，潜在的语义项目，这些多模态内容的项目结构可能有利于学习更好的项目表示，并协助推荐模型，以全面发现候选项目。其次，以前的研究忽略了细粒度的多模态融合。虽然有机会获得多个模态可能会让我们捕捉到丰富的信息，我们认为，简单的粗粒度融合的线性组合或级联在以前的工作是不够的，以充分了解内容信息和项目的relationship.To为此，我们提出了一个潜在的结构挖掘与ContRastive mOdality融合方法（MICRO为简洁）。具体而言，我们设计了一个新颖的模态感知结构学习模块，学习每个模态的项目-项目关系。基于学习到的模态感知潜在项关系，我们执行图卷积，显式地将项亲和力注入到模态感知项表示中。然后，我们设计了一种新的对比方法来融合多模态特征。这些丰富的项目表示可以插入到现有的协同过滤方法中，以做出更准确的推荐。在真实世界数据集上进行的大量实验表明，我们的方法优于最先进的基线。
2022-03-17 cs.IR cs.LG cs.MM
Knowledge Discovery using Unsupervised Cognition
Avatar Cognition（阿凡达认知公司）
本文提出三种基于已训练Unsupervised Cognition模型的知识发现技术，包括模式挖掘、特征选择和降维，以区分相关与无关特征并提取有意义的模式，实验证明其超越了现有技术水平。
2025-01-28 cs.AI cs.LG
Mining Local Process Models
Eindhoven University of Technology（埃因霍温理工大学）；Philips Research（飞利浦研究院）
在本文中，我们描述了一种方法来发现频繁的行为模式的事件日志。我们将这些模式表示为\emph{local process models}。局部过程模型挖掘可以定位在过程发现和事件/序列模式挖掘之间。本文提出的技术是能够学习行为模式，涉及顺序组成，并发，选择和循环，像在进程挖掘。然而，我们不看从开始到结束的模型，这将我们的方法与过程发现区分开来，并创建了与情节/序列模式挖掘的链接。我们提出了一个增量的过程，用于建立本地的过程模型捕获频繁模式的基础上所谓的过程树。我们提出了五个质量维度和相应的度量本地流程模型，给定的事件日志。我们表现出单调性属性的一些质量维度，使本地过程模型发现通过修剪加速。我们通过一个真实的案例研究证明，挖掘本地模式可以让我们在常规的从开始到结束的流程发现技术只能学习非结构化的，花一样的模型的流程中获得见解。
2017-05-16 cs.DB cs.LG
Heliophysics Discovery Tools for the 21st Century: Data Science and Machine Learning Structures and Recommendations for 2020-2050
主要有三点：1.数据科学（DS）将对太阳物理学越来越重要; 2。太阳物理学科学发现的方法将不断发展，需要使用学习技术[例如，机器学习（ML）]，其被严格应用并且能够支持发现;以及3.随着数据，技术和劳动力变化的步伐，太阳物理学需要一种新的方法来表示知识。
2022-12-26 astro-ph.IM astro-ph.SR cs.AI
Applications of a Novel Knowledge Discovery and Data Mining Process Model for Metabolomics
American University of Madaba（马代巴美国大学）；Aberystwyth University（阿伯里斯特威斯大学）
这项工作演示了一个新的过程模型的知识发现和数据挖掘代谢组学（MeKDDaM）的执行。它的目的是说明MeKDDaM过程模型的适用性，使用四个不同的现实世界的应用，并突出其优势和独特的功能。所展示的应用程序提供了代谢物分析，目标分析和代谢指纹的覆盖范围。在这些应用中分析的数据是通过色谱分离和质谱技术（LC-MS），傅里叶变换红外光谱（FT-IR）和核磁共振光谱（NMR）捕获的，涉及植物，动物和人类样品的分析。这一过程是使用数据驱动和假设驱动的数据挖掘方法来执行的，以便通过应用一些数据挖掘技术来执行各种数据挖掘目标和任务。选择这些应用程序是为了实现一系列分析目标和研究问题，并使用NMR，LC-MS和FT-IR使用植物，动物和人类来源的样品捕获的数据集为代谢物分析，目标分析和代谢指纹图谱提供覆盖。该过程中使用的实施环境，创建，以提供一个计算机辅助实现的过程模型执行。
2019-07-30 cs.DB cs.LG q-bio.QM
Computer-Aided Data Mining: Automating a Novel Knowledge Discovery and Data Mining Process Model for Metabolomics
American University of Madaba（马代巴美国大学）；Aberystwyth University（阿伯里斯特威斯大学）
这项工作提出了MeKDDaM-SAGA，计算机辅助自动化软件，用于实现一种新的知识发现和数据挖掘过程模型，该模型旨在进行合理的，可追溯的和可重复的代谢组学数据分析。该过程模型侧重于实现代谢组学分析目标，并考虑其所涉及的数据的性质。MeKDDaM-SAGA被成功地用于指导许多代谢组学应用中的过程模型执行。它满足所提出的过程模型设计和执行的要求。该软件实现了过程模型的布局、结构和流程，并且它能够在外部使用各种数据挖掘和机器学习工具或在内部使用许多嵌入式设施来执行其执行，这些嵌入式设施是为执行许多自动化活动而构建的，例如数据预处理、数据探索、数据适应、建模、评估和可视化。MeKDDaM-SAGA是使用面向对象的软件工程方法开发的，并在Java中构建。它由241个设计类组成，旨在实现27个用例。该软件使用XML数据库来保证可移植性，并使用GUI界面来确保其用户友好性。它实现了一个内部嵌入式版本控制系统，用于实现和管理流程流、反馈和迭代，并允许撤消和重做流程阶段、活动及其阶段内的内部任务的执行。
2019-07-09 cs.DB cs.LG q-bio.QM
A Disease Diagnosis and Treatment Recommendation System Based on Big Data Mining and Cloud Computing
Hunan University（湖南大学）；National Supercomputing Center in Changsha（国家超级计算长沙中心）；Comsats Institute of Information Technology（COMSATS信息技术学院）；The second affiliated hospital of Xi’an Jiaotong University（西安交通大学第二附属医院）；State University of New York（纽约州立大学）
根据疾病不同阶段的不同症状提供相应的治疗方案至关重要。然而，大多数分类方法可能无法准确分类具有多治疗阶段，多种症状和多发病机制的疾病。此外，不同部门和医院之间在疾病诊断和治疗方面的交流和合作行动有限。因此，当新的疾病出现非典型症状时，经验不足的医生可能难以迅速准确地识别它们。因此，为了最大限度地利用发达医院的先进医疗技术和经验丰富的医生的丰富的医学知识，疾病诊断和治疗建议系统（DDTRS），本文提出。首先，为了更准确地有效地识别疾病症状，引入密度峰值聚类分析（DPCA）算法进行疾病症状聚类。此外，分别采用Apriori算法对疾病诊断（D-D）规则和疾病治疗（D-T）规则进行关联分析。适当的诊断和治疗方案建议患者和经验不足的医生，即使他们是在一个有限的治疗环境。此外，为了达到高性能和低延迟响应的目标，我们使用Apache Spark云平台实现了DDTRS的并行解决方案。大量的实验结果表明，所提出的DDTRS有效地实现了疾病症状聚类，并智能和准确地得出疾病治疗建议。
2018-10-17 cs.LG stat.ML
A Survey Paper on Recommender Systems
Concordia University（康考迪亚大学）；Ecole Polytechnique（巴黎综合理工学院）
推荐系统应用数据采掘技术和预测算法来预测用户对大量可用项目中的信息、产品和服务的兴趣。互联网上信息的大量增长以及网站访问者的数量给推荐系统增加了一些关键挑战。这些是：产生准确的建议，有效地处理许多建议，并应对系统中参与者数量的巨大增长。因此，需要新的推荐系统技术，可以快速产生高质量的建议，即使是巨大的数据集。为了解决这些问题，我们已经探索了几种协同过滤技术，如基于项目的方法，它确定项目之间的关系，并间接计算这些关系的基础上为用户的建议。基于用户的方法也进行了研究，它确定相似的口味之间的关系，并计算这些关系的基础上的推荐。在本文中，我们介绍了推荐系统的主题。它为评价推荐系统的效率、可扩展性和准确性提供了方法。本文还分析了基于用户和基于项目的推荐生成技术的不同算法。此外，一个简单的实验进行了使用数据采掘应用程序-Weka-应用数据采掘算法的推荐系统。最后，我们提出我们的方法，可能会提高推荐系统的质量。
2010-12-24 cs.IR cs.LG
Process Mining Meets Causal Machine Learning: Discovering Causal Rules from Event Logs
University of Melbourne（墨尔本大学）；University of Tartu（塔尔图大学）
本文提出了一种方法来分析一个业务流程的事件日志，以产生的情况下，最大限度地提高给定结果的概率治疗的建议。用户将事件日志中的属性分为可控和不可控，其中前者对应于在过程执行期间可以改变的属性（可能的处理）。我们使用的行动规则挖掘技术，以确定在某些条件下，与结果共同发生的治疗。由于动作规则是基于相关性而不是因果关系生成的，因此我们使用因果机器学习技术，特别是提升树，以发现在调整混杂变量后治疗对结果具有高度因果影响的病例亚组。我们使用贷款申请过程的事件日志来测试这种方法的相关性，并将我们的发现与过程挖掘专家手动产生的建议进行比较。
2020-09-03 cs.LG stat.ML
PolyRecommender: A Multimodal Recommendation System for Polymer Discovery
Department of Mechanical Engineering（机械工程系）
PolyRecommender是一个多模态发现框架，通过融合PolyBERT的化学语言表示和图编码器的分子图表示，实现候选聚合物的检索与排序，推进了下一代聚合物的AI指导设计。
2025-11-01 cs.IR cs.LG
Admissible Time Series Motif Discovery with Missing Data
University of California, Riverside（加州大学河滨分校）；University of New Mexico（新墨西哥大学）
时间序列模体的发现已经成为时间序列数据采掘中最有用的基元之一。研究人员已经展示了它在探索性数据采掘、摘要、可视化、分割、分类、聚类和规则发现等方面的实用性。尽管已经有十多年的广泛研究，仍然没有技术允许在存在缺失数据的情况下发现时间序列基序，尽管在科学，工业和医疗数据集中缺失数据的普遍性得到了充分的证明。在这项工作中，我们介绍了一种技术，在缺失数据的存在下的模体发现。我们正式证明我们的方法是可接受的，不产生假阴性。我们还表明，我们的方法可以背上最快的已知的基序发现方法与一个小的常数因子的时间/空间开销。我们将在具有不同数量缺失数据的不同数据集上演示我们的方法
2018-02-15 cs.AI cs.LG stat.ML
Integrating E-Commerce and Data Mining: Architecture and Challenges
我们表明，电子商业领域可以提供所有正确的成分，成功的数据采掘，并声称它是一个杀手域的数据采掘。我们描述了一个集成的体系结构，根据我们的经验，在蓝色马提尼软件，支持这种集成。该架构可以显著减少预处理、清理和数据理解工作，这些工作通常在知识发现项目中占用80%的时间。我们强调需要在应用程序服务器层（而不是Web服务器）进行数据汇集，以支持对发现过程至关重要的数据和元数据的日志记录。我们描述了从事务处理系统和客户事件流（例如，clickstreams）到数据仓库。我们详细介绍了挖掘工作台，它需要通过报告、数据采掘算法、可视化和OLAP提供数据的多个视图。我们总结了一系列挑战。
2000-07-14 cs.AI cs.CV cs.DB
Contextual Regression: An Accurate and Conveniently Interpretable Nonlinear Model for Mining Discovery from Scientific Data
线性回归、支持向量机、神经网络等机器学习算法在科学发现过程中发挥着越来越重要的作用。然而，它们中没有一个在非线性数据集上既可解释又准确。在这里，我们提出了上下文回归，一种方法，将这两个理想的属性一起使用的混合架构的神经网络嵌入和点积层。我们通过模拟数据集上的预测特征选择任务和预测人类基因组中开放染色质位点的应用证明了其高预测精度和灵敏度。在模拟数据上，我们的方法在高达200%的随机噪声水平下实现了特征贡献的高保真恢复。在开放染色质数据集上，我们的方法的应用不仅在准确性方面优于最先进的方法，而且还揭示了两个以前未发现的开放染色质相关组蛋白标记。该方法可以填补科学数据挖掘任务中精确和可解释的非线性建模的空白。
2017-10-30 cs.LG q-bio.QM stat.AP
An Agent-Based Algorithm exploiting Multiple Local Dissimilarities for Clusters Mining and Knowledge Discovery
SAPIENZA University of Rome（罗马第一大学）；Ryerson University（瑞尔森大学）
我们提出了一种多代理算法，能够自动发现相关的数据集，在同一时间确定的配置所采用的参数相异性度量产生紧凑和分离的集群。每个代理通过对输入数据集的合适的加权图表示执行马尔可夫随机行走来独立地操作。这种加权图表示是由代理所采用的相异性度量的特定参数配置引起的，该代理一次搜索一个集群并自主地做出决策。结果表明，该算法能够发现参数配置，产生一个一致的和可解释的集群的集合。此外，我们证明，我们的算法表现出与其他类似的国家的最先进的算法，当面对特定的聚类问题的性能。
2014-09-17 cs.DC cs.LG cs.MA
Skopus: Mining top-k sequential patterns under leverage
Nanjing University of Information Science and Technology（南京信息工程大学）；Aalto University（阿尔托大学）；Monash University（莫纳什大学）
本文提出了一个在杠杆作用下精确发现top-k序列模式的框架。它结合了（1）序列模式的预期支持度的新定义-大多数兴趣度度量直接依赖的概念-与（2）SkOPUS：一种新的分支定界算法，用于在给定的兴趣度量下精确发现前k个序列模式。我们的兴趣度测量采用分区方法。一个模式之所以有趣，是因为它的出现频率要比通过假设任何一对模式之间的独立性所能解释的要高。与独立性下的期望相比，支持度越大，模式越有趣。我们建立在这两个元素上，以准确地提取具有最高杠杆的k个序列模式，这与我们对预期支持的定义一致。我们对具有已知模式的合成数据和真实世界的数据集进行实验;这两个实验都证实了我们的方法与最新技术水平的一致性和相关性。这篇文章发表在数据采掘和知识发现上，可以在http://dx.doi.org/10.1007/s10618-016-0467-9上访问。
2018-02-05 cs.AI cs.LG stat.ML
Recommender systems and reinforcement learning for human-building interaction and context-aware support: A text mining-driven review of scientific literature
National University of Singapore（新加坡国立大学）；Future Cities Lab Global（未来城市实验室全球中心）；Singapore-ETH Centre（新加坡-ETH中心）
该综述利用文本挖掘和 NLP 分析 ScienceDirect 的 27,595 篇文献，梳理推荐系统与强化学习在人-建筑交互、情境感知支持及建筑节能中的应用、潜力与局限。
2025-01-03 cs.LG cs.SY eess.SY
Leveraging Data Mining, Active Learning, and Domain Adaptation in a Multi-Stage, Machine Learning-Driven Approach for the Efficient Discovery of Advanced Acidic Oxygen Evolution Electrocatalysts
Pritzker School of Molecular Engineering, University of Chicago（芝加哥大学普利兹克分子工程学院）；Data Science Institute, University of Chicago（芝加哥大学数据科学研究所）；Argonne National Laboratory（阿贡国家实验室）；North China Electric Power University（华北电力大学）；Nanjing University（南京大学）；The Hong Kong University of Science and Technology（香港科技大学）；Department of Computer Science, University of Chicago（芝加哥大学计算机科学系）
本研究提出整合数据挖掘、主动学习与域适应的多阶段机器学习方法，系统缩小探索空间并迭代优化，高效发现新型Ru-Mn-Ca-Pr氧化物酸性OER催化剂，为电催化剂研发提供数据驱动新范式。
2024-07-05 cond-mat.mtrl-sci cs.LG physics.chem-ph
Mining Topological Dependencies of Recurrent Congestion in Road Networks
L3S Research Center（L3S研究中心）；Leibniz University Hannover（莱布尼茨汉诺威大学）；University of Bonn（波恩大学）
发现城市道路网络中导致经常性拥堵（RC）模式的时空依赖性对于许多现实世界的应用至关重要，包括城市规划和公共交通服务的调度。虽然大多数现有的研究调查RC现象的时间模式，道路网络拓扑结构对RC的影响往往被忽视。本文提出了ST-发现算法，一种新的无监督时空数据采掘算法，有利于有效的数据驱动的发现RC依赖的道路网络拓扑结构，使用现实世界的交通数据。我们的因素定期重现的交通现象，如高峰时间，主要是由白天引起的，通过建模和系统地利用时间交通负荷异常值。我们提出了一种算法，首先构造连通子图的道路网络的基础上的交通速度离群值。其次，该算法识别子图对，指示其交通负荷行为的时空相关性，以识别道路网络内的拓扑依赖性。最后，我们根据我们的算法确定的依赖分数对识别出的子图对进行排名。我们的实验结果表明，ST发现可以有效地揭示城市道路网络的拓扑依赖性。
2021-07-20 cs.CY cs.LG
Evident: a Development Methodology and a Knowledge Base Topology for Data Mining, Machine Learning and General Knowledge Management
Philips North America（飞利浦北美）；Google LLC（谷歌有限责任公司）
用于知识发现、预测和管理的软件已经开发了30多年。然而，在使用现有的项目开发和工件管理方法时，仍然存在未解决的痛点。从历史上看，一直缺乏适用的方法。此外，已经应用的方法，如敏捷，有几个限制，包括科学的不可证伪性，降低了它们的适用性。提出了一种基于逻辑推理哲学的开发方法学Evident和一种知识库拓扑结构EKB。从概念上缓解了数据采掘、机器学习和一般知识管理中的许多痛点。Evident可以扩展到加速哲学探索，科学发现，教育以及全球知识共享和保留。EKB提供了一种将信息存储为知识的解决方案，知识是数据之上的粒度级别。还讨论了计算机历史、软件工程、数据库、传感器、哲学以及项目与组织和军事管理方面的相关主题。
2022-11-09 cs.AI cs.DB cs.LG
Flexibly Mining Better Subgroups
Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Saarland University（萨尔大学）
在子组发现中，也称为监督模式挖掘，发现高质量的一维子组和这些子组的细化是一项至关重要的任务。对于名义属性，这相对简单，因为我们可以将单个属性值视为二进制特征。对于数值属性，任务更具挑战性，因为单个数值不是可靠的统计数据。相反，我们可以考虑相邻值的组合，即bin。然而，现有的分箱策略并不适合于子组发现。也就是说，它们不直接优化子组的质量，从而可能降低挖掘结果。为了解决这个问题，我们提出了FLEXI。简而言之，使用FLEXI，我们建议使用最佳装箱来为数值和序数属性找到高质量的二进制特征。我们实例化FLEXI与各种质量措施，并显示如何实现相应的效率。在合成数据集和真实数据集上的实验表明，FLEXI的性能优于最先进的技术，子组质量提高了25倍。
2015-10-28 cs.LG stat.ML
Advancing Interaction-Sensitive Feature Selection: Novel Relief-Based Algorithms, Expanded Comparisons, and Recommendations for Biomedical Data Mining
Cedars-Sinai Health Sciences University（西达赛奈健康科学大学）
本研究重构优化扩展scikit-rebate包，对比新型Relief类算法在基因组模拟数据中的表现，发现MultiSWRFDB等算法可有效保留主效应与交互作用，运行时间显著缩短。
2026-08-31 cs.LG
The Semantic Adjacency Criterion in Time Intervals Mining
Ben-Gurion University（本-古里安大学）
在基于时间间隔的多变量数据中发现的频繁时态模式，虽然在语法上是正确的，但可能是不透明的：对于某些模式实例，可能存在与模式的通常含义相矛盾的同一实体的间隔。我们推测，不透明的模式也不太有用的分类或预测功能。我们提出了一个新的修剪约束在频繁的时间模式发现过程中，语义邻接标准[SAC]，它利用领域知识过滤出模式，包含潜在的语义矛盾的组件。我们定义了三个SAC版本，并在三个医学领域测试了它们的效果。我们将这些标准嵌入到频率时间模式发现框架中。在此之前，我们已经非正式地介绍了SAC原则，并表明使用它来修剪模式可以提高在相同临床领域中发现的可重复性。在这里，我们正式定义了三个SAC的变化的语义，并比较使用的一组修剪模式的使用完整的一组发现的模式，在三个不同的医疗领域的分类和预测任务的功能。我们为每个任务引入了四个分类器，使用四种机器学习方法：随机森林，朴素贝叶斯，SVM和Logistic回归。这些特征是在每个数据集中发现的频繁的时间模式。基于SAC的时态模式发现将发现的模式数量减少了97%，发现运行时间减少了98%。但是，减少的基于SAC的基于模式的特征集的分类和预测性能与使用完整集时一样好。使用SAC可以显着减少发现的频繁基于区间的时间模式的数量，以及相应的计算工作量，而不会损失分类或预测性能。
2021-01-11 cs.LG
Skill Learning Using Process Mining for Large Language Model Plan Generation
Technical University of Denmark（丹麦技术大学）；Microsoft Development Center Copenhagen（微软哥本哈根开发中心）
本文提出一种整合流程挖掘技术的LLM技能学习方法，利用流程发现、模型存储和一致性检查解决计划生成中的执行与检索难题，提升了生成效率、可解释性及检索准确率。
2024-10-14 cs.AI cs.CL cs.DB
Mining Temporal Evolution of Knowledge Graph and Genealogical Features for Literature-based Discovery Prediction
University of South Florida（南佛罗里达大学）；Islamic University of Technology（伊斯兰科技大学）；The University of Sydney（悉尼大学）
基于文献的知识发现过程识别了已发表文献中嵌入的信息之间重要但隐含的关系。来自信息检索和自然语言处理的现有技术试图识别已发表文献中的信息概念之间隐藏的或未发表的联系，然而，这些技术破坏了预测未来的概念和封装在文献中的科学知识成分之间的新兴关系。关键词共现网络（KCN），建立在作者选择的关键词（即，知识实体）被认为是一个知识图谱，它通过检查知识实体之间的关系，关注于这些知识成分和科学领域的知识结构。本研究利用医学领域以外的两个多学科研究领域的数据，利用文献计量学，时间KCN的动态性和长短期记忆递归神经网络，提出了一个框架，以成功地预测未来的文献为基础的发现-知识单元之间的新兴联系。框架的问题作为一个动态的监督链接预测任务，该框架集成了一些新的节点和边缘级别的功能。从二分网络和单分网络计算的关键词的时间重要性，关键词社区，建立在系谱关系上，以及在特征构建过程中使用的时间引用计数的相对重要性。节点和边缘级别的特征都被输入到LSTM网络中，以预测正标记和负标记的非连接关键字对的特征值，并对其进行准确分类。高分类性能率表明，这些功能是支持在预测科学知识单位和新兴的趋势分析之间的新兴联系。
2019-11-11 cs.LG cs.SI
Causal Discovery and Counterfactual Explanations for Personalized Student Learning
University of the Witwatersrand（威特沃特斯兰德大学）
本文将 PC 因果发现与反事实分析用于真实学生成绩数据，识别影响最终成绩的因果因素并生成个性化学习建议，同时讨论样本量、领域知识及实时验证等局限。
2023-09-18 cs.CY cs.LG stat.ME
Quantifying Availability and Discovery in Recommender Systems via Stochastic Reachability
University of California, Berkeley（加州大学伯克利分校）
在这项工作中，我们考虑如何在交互式推荐系统中的偏好模型确定的内容和用户的发现机会的可用性。我们提出了一个评估过程的基础上随机可达性量化的最大概率推荐一个目标的内容给用户的一组允许的战略修改。这个框架允许我们计算一个上限的可能性建议，最小的假设用户行为。随机可达性可用于检测内容可用性的偏差，并诊断授予用户的发现机会的局限性。我们表明，这个指标可以有效地计算作为一个凸计划的各种实际设置，并进一步认为，可达性是不是固有的不一致的准确性。我们展示了在显式和隐式评级的大型数据集上训练的推荐算法的评估。我们的研究结果说明了偏好模型，选择规则和用户干预如何影响可达性，以及这些影响如何不均匀分布。
2021-06-30 cs.IR cs.LG stat.ML
