リレーショナルデータからの学習

設定 多くのアルゴリズムは単一のリレーションまたはテーブルで動作しますが、実際のデータベースの多くは情報を複数のテーブルに格納します（Domingos、2003）。

質問 どのタイプのアルゴリズムが複数の（リレーショナル）テーブルからうまく学習しますか。特に、回帰と分類のタスクに適用可能なアルゴリズムに興味があります（リンク分析などのネットワーク分析指向のアルゴリズムではありません）。

以下にリストされているいくつかのアプローチを認識しています（しかし、いくつかのアプローチが欠けていることは確かです）：

• マルチリレーショナルデータマイニング（MRDM）（Dzeroski、2002年）
• 帰納論理プログラミング（ILP）（Muggleton、1992）
• 統計的関係学習（SRL）（Getoor、2007年）

Džeroski、S.（2003）。マルチリレーショナルデータマイニング：はじめに。ACM SIGKDD Explorationsニュースレター。

Getoor、Lise、およびBen Taskar編。統計的関係学習の紹介。MITプレス、2007年。

S.マグルトンとC.フェン 論理プログラムの効率的な導入。アルゴリズム学習理論に関する最初の会議の議事録、368–381ページ。オームシャ、東京、1990年。

私はこの論文を読んでこの主題を研究し始めました：Macskassy、S.＆＆Provost、F.（2003）。単純な関係分類子。私の顧問は、それが彼が知っている関係学習における最も単純な分類アプローチであると私に言った。

これは良い入門書です：De Raedt、Luc、ed。論理的および関係的な学習。スプリンガー、2008年。

TILDEとWARMRにACEを使用してみてください。