【报告内容】

汇报人：许诏云

汇报单位：太原理工大学

主题：《Naive Bayesian Classifier Based Semi-supervised Learning for Matching Ontologies》

1、Introduction

2、Related Work

3、Naive Bayesian Classifier

4、Experimental study

5、Conclusion

【报告总结】

1.实验中,贝叶斯的训练集使用K-fold机器学习的方法吗？

答：没有使用,为了数据的准确性使用K-fold后数据取均值,看结果会更好。

2.方法的具体操作是如何？

答：求出相似度方法权重,按权重求出最终的分类器。

3.和贝叶斯思想搭不上？

答：方法确实搭不上,修改的方法是统计由阈值得出的0和1的个数来用贝叶斯公式计算得出。

4.训练的30%数据不能代表剩下的70%的数据？

答：改进方法,选取4批数据,分别充当训练集和测试集,做4次实验,最后的可靠度取平均。

5.训练过程的终止条件?

答: 这是确定性的过程,只需一次训练就可以了。

6.是否可以用到实体匹配?

答:可以的,这种方法主要用来匹配异质特征比较相似的匹配任务,把同样的任务分为两份,一份训练,一份测试。

7.实体匹配的度量方法是否可以训练?

答:我们没有使用过这种方法,但我们可以拿出30%用于训练,70%测试比如用神经网络来训练相似度向量。

8.贝叶斯公式使用了吗?

答:没有,改进的方法:由阈值将相似度转化为0和1,得到0,1占比,得到相似度方法概率,用公式相乘.

报告时间：2022年09月23日19:30

腾讯会议ID：371 3868 6615

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)