摘要：
按照tamar的操作步骤，在uw-cse和webkb数据集上进行了实验，完成了前两个步骤，即：在只有谓词的空mln的基础上，进行了结构学习，生成了完整的mln，以备后用。但是程序跑的很慢，运行一次要几个小时，目前还没有跑出结果，但愿明天早上能给我个惊喜。12-9日工作安排：进行tamar实验的第三和第四个步骤：从uw-cse和webkb数据集向imdb数据集进行迁移学习，并利用迁移学习出的mln进行推断。注意，推断时要用MC-SAT算法（参数为-ms)。打羽毛球，锻炼身体如果实验跑的快的话，就计算出CLL。 阅读全文
摘要：
稀里糊涂的竟然搞起了机器学习，不过既然做了就要做好。 这段时间读了很多关于迁移学习和马尔可夫逻辑网（markov logic network）的论文，其中比较重要的一篇文章是Lilyana Mihalkova的《Mapping and Revising Markov Logic Networks for Transfer Learning》，现在正在跑这篇文章附带的tamar（for Transfer via Automatic Mapping And Revision）系统，现简要总结一下该系统的使用步骤：1、利用源域的db文件和空的mln文件（其中包含所有的谓词），学习出源域的结构（le 阅读全文
摘要：
为了便于以后查看，现将12月7日的工作总结如下： 今天完成的主要工作分为两个方面： 实验方面：学习了perl的一些关于文件的语法，写了几个简单的小程序，成功的完成了cora到imdb的迁移及推断。由于推断需要的时间较长，所以只先做了两三个谓词的推断，但是效果很不理想。预期的实验效果应该是这样的：对于原始的db文件中出现过的谓词，在预测的出的结果文件中应该表现出较高的概率，但是经实验发现，所有的基谓词的概率并没有明显的差别。 实验结果分析：这种结果的产生我认为主要有两种可能：一种是由于只跑了两三个谓词，所以结果不具有代表性，个别谓词的推断对整体性能不会造成太大打的影响。另一种可能是采用的推 阅读全文