論文の概要: Association rules over time
- arxiv url: http://arxiv.org/abs/2010.03834v1
- Date: Thu, 8 Oct 2020 08:31:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 11:04:40.147717
- Title: Association rules over time
- Title(参考訳): 関連ルールの経年変化
- Authors: Iztok Fister Jr., Iztok Fister
- Abstract要約: 本章は,(1)関連ルールの発見方法,(2)属性間の関係を視覚的に表現する方法の2つに焦点をあてる。
第1号の解法は微分進化法を用いており、サンキー図は第2号の解法として採用されている。
可視化の結果, 競技者の成績向上傾向は, 選択した競技規則に現れる属性を異なる期間に変化させることで示されることがわかった。
- 参考スコア(独自算出の注目度): 2.535671322516818
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Decisions made nowadays by Artificial Intelligence powered systems are
usually hard for users to understand. One of the more important issues faced by
developers is exposed as how to create more explainable Machine Learning
models. In line with this, more explainable techniques need to be developed,
where visual explanation also plays a more important role. This technique could
also be applied successfully for explaining the results of Association Rule
Mining.This Chapter focuses on two issues: (1) How to discover the relevant
association rules, and (2) How to express relations between more attributes
visually. For the solution of the first issue, the proposed method uses
Differential Evolution, while Sankey diagrams are adopted to solve the second
one. This method was applied to a transaction database containing data
generated by an amateur cyclist in past seasons, using a mobile device worn
during the realization of training sessions that is divided into four time
periods. The results of visualization showed that a trend in improving
performance of an athlete can be indicated by changing the attributes appearing
in the selected association rules in different time periods.
- Abstract(参考訳): 人工知能システムによる最近の決定は通常、ユーザーが理解することが難しい。
開発者が直面する最も重要な問題の1つは、より説明しやすい機械学習モデルを作成する方法である。
これに合わせて、視覚的な説明がより重要な役割を果たすように、より説明可能なテクニックを開発する必要がある。
本章は,(1)関連規則の発見方法,(2)より多くの属性間の関係を視覚的に表現する方法という2つの問題に焦点をあてる。
第一号の解法として,提案手法は微分進化を用いるが,sankeyダイアグラムは第二号の解法として採用される。
本手法は,4つの期間に分けたトレーニングセッションの実現時に装着したモバイルデバイスを用いて,過去のシーズンにアマチュアサイクリストが生成したデータを含むトランザクションデータベースに適用した。
可視化の結果, 競技選手のパフォーマンス向上の傾向は, 選抜された競技規則に現れる属性を, 異なる期間に変化させることで示せることがわかった。
関連論文リスト
- CSTA: Spatial-Temporal Causal Adaptive Learning for Exemplar-Free Video Class-Incremental Learning [62.69917996026769]
クラスインクリメンタルな学習課題は、空間的外観と時間的行動の関与の両方を学習し、保存することを必要とする。
本稿では,各クラス固有のインクリメンタル情報要件を調整し,新しいクラスパターンを学習するためのアダプタを分離するフレームワークを提案する。
異なる種類の情報間のインクリメントと記憶の衝突を減らすために,因果補償機構を提案する。
論文 参考訳(メタデータ) (2025-01-13T11:34:55Z) - Harnessing Large Language Models for Knowledge Graph Question Answering via Adaptive Multi-Aspect Retrieval-Augmentation [81.18701211912779]
本稿では,KG(Amar)フレームワーク上での適応型マルチアスペクト検索手法を提案する。
この方法は、エンティティ、リレーション、サブグラフを含む知識を検索し、検索した各テキストを即時埋め込みに変換する。
提案手法は2つの共通データセットに対して最先端の性能を達成した。
論文 参考訳(メタデータ) (2024-12-24T16:38:04Z) - Transformer-based Reasoning for Learning Evolutionary Chain of Events on Temporal Knowledge Graph [22.427652636877774]
時間的知識グラフ(TKG)の推論は、しばしばタイムラインに沿って行方不明の事実要素を補完する。
イベントの進化的連鎖(ECE)を学習するための新しいトランスフォーマーベースの推論モデル(ECEformerと呼ばれる)を提案する。
次に、多層パーセプトロン(MLP)に基づく混合コンテキスト推論モジュールを作成し、ECEのための四重項間の統一表現を学習する。
論文 参考訳(メタデータ) (2024-05-01T07:12:16Z) - AE SemRL: Learning Semantic Association Rules with Autoencoders [1.3886978730184498]
アソシエーションルールマイニング(アソシエーションルールマイニング、英: Association Rule Mining、ARM)は、データ特徴間の関連を論理ルールの形で学習するタスクである。
本稿では,時系列データから関連ルールを学習し,抽出するためのオートエンコーダに基づく手法を提案する。
実験の結果,オートエンコーダが生成した潜在表現から意味的関連ルールを抽出できることが示唆された。
論文 参考訳(メタデータ) (2024-03-26T22:28:43Z) - Visual Commonsense based Heterogeneous Graph Contrastive Learning [79.22206720896664]
視覚的推論タスクをより良く仕上げるための異種グラフコントラスト学習法を提案する。
本手法はプラグイン・アンド・プレイ方式として設計されており,多種多様な代表手法と迅速かつ容易に組み合わせることができる。
論文 参考訳(メタデータ) (2023-11-11T12:01:18Z) - PDT: Pretrained Dual Transformers for Time-aware Bipartite Graphs [30.71271242109731]
本稿では,ユーザ側空間とコンテンツ側空間の双方向マッピングを学習する事前学習手法を提案する。
提案手法を推薦課題として評価する。
論文 参考訳(メタデータ) (2023-06-02T20:38:43Z) - MGA-VQA: Multi-Granularity Alignment for Visual Question Answering [75.55108621064726]
視覚的な質問に答えることを学ぶことは、マルチモーダル入力が2つの特徴空間内にあるため、難しい作業である。
視覚質問応答タスク(MGA-VQA)のための多言語アライメントアーキテクチャを提案する。
我々のモデルはアライメントを異なるレベルに分割し、追加のデータやアノテーションを必要とせずにより良い相関関係を学習します。
論文 参考訳(メタデータ) (2022-01-25T22:30:54Z) - Conditioned Text Generation with Transfer for Closed-Domain Dialogue
Systems [65.48663492703557]
条件付き変分オートエンコーダを用いて,意図特化文の生成を最適に学習し,制御する方法を示す。
クエリ転送と呼ばれる新しいプロトコルを導入し、大規模で遅延のないデータセットを活用できるようにします。
論文 参考訳(メタデータ) (2020-11-03T14:06:10Z) - Document Modeling with Graph Attention Networks for Multi-grained
Machine Reading Comprehension [127.3341842928421]
Natural Questionsは、新しい挑戦的な機械読解ベンチマークである。
解答は2つあり、長解(典型的には1段落)と短解(長解の内にある1つ以上の実体)である。
既存の方法は、これらの2つのサブタスクをトレーニング中に個別に扱い、依存関係を無視します。
本稿では,文書を階層的にモデル化する多層機械読解フレームワークを提案する。
論文 参考訳(メタデータ) (2020-05-12T14:20:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。