Abgeschlossene Diplomarbeit: Lernen unsicherer Regeln in HySpirit

Betreuer

• Prof. Dr.-Ing. Norbert Fuhr

Bearbeiter

• Dipl.-Inform. Henrik Nottelmann

Verwandte Projekte

MIND

Auswahl geeigneter Datenbanken und Kombination der Retrievalergebnisse für multimediale internationale digitale Bibliotheken

Abgabetermin

2001-01

Aufgabenstellung

HySpirit ist ein probabilistisches Datalogsystem, das am Lehrstuhl entwickelt wurde. Neben der Gewichtung von Fakten erlaubt es auch unsichere Regeln (z.B. 50 % aller Menschen sind weiblich), wobei aber die zugehörige Wahrscheinlichkeit explizit angegeben werden muß. Im Rahmen dieser Diplomarbeit soll HySpirit so erweitert werden, daß es die Regelgewichte selbst aus dem vorhandenen Faktenwissen ableiten kann. Ausgehend vom einfachsten Fall, wo Prämissen und Konklusionen als deterministische Fakten gegeben sind, sollen auch komplexere Fälle mit unsicheren Prämissen bzw. bedingte Wahrscheinlichkeiten betrachtet werden. Hierfür sind geeignete Spracherweitungen für HySpirit zu definieren, die entsprechenden Algorithmen zu entwickeln und in das System zu integrieren.

Fertiger Text

Henrik Nottelmann (2001).

Lernen unsicherer Regeln für HySpirit. Masterthesis

Literatur

B. Wüthrich (1993).

On the Learning of Rule Uncertainties and their Integration into Probabilistic Knowledge Bases. Journal of Intelligent Information Systems 2