论文部分内容阅读
为充分利用过期训练数据和数据结构相关性进行新领域的学习，提出一种基于Markov逻辑网的迁移学习方法。该方法对源域与目标域的谓词进行自动映射后，通过自我诊断、结构更新和新公式挖掘3个步骤对映射结构进行优化，使之更适用于目标域数据。实验结果证明，与传统的机器学习方法相比，该方法使概率推理所获结果的准确率更高，所需的学习时间与训练数据更少。