On Learning Knowledge Bases for Collabularies

A collabulary is an ontology representing user knowledge and domainexpert knowledge in an integrated structure. Recently Marinho at al. proposed a new approach for automatically learning collabularies by means of semantic mapping and highly efficient frequent itemset mining techniques. They showed that learned collabularies may outperform domain-expert ontologies in practical applications. Now we focus on the problem of populating collabularies: we compare an adaptive and a threshold-based approach and investigate the influence of that threshold.

Nemrég javasoltunk egy új algoritmust felhasználói és szakértői tudást egyaránt leíró ontológiák (collabulary) automatikus tanulására és bemutattuk hogy ezek gyakorlati alkalmazásokban előnyösebbek a kizárólag szakértői tudást ábrázoló ontológiáknal. Ebben az cikkben az objektumpéldányok kategóriákhoz való hozzárendelésével foglalkozunk: összehasonlítunk egy adaptív és egy küszöbszám alapú megoldást, megvizsgáljuk a küszöbszám hatását.