|
Die bekannten Verfahren des Maschinellen Lernens, die den Prinzipien
der Induktiven Logischen Programmierung folgen, beschneiden den Raum
der möglichen erlernbaren Regeln. Dies ist notwendig, um in
endlicher Zeit überhaupt Regeln lernen zu können. Diese
Suchraumbeschränkungen sind zumeist ein fester Teil der
implementierten Algorithmen. Somit kennt man verschiedene Verfahren,
die mit mehr oder weniger großem Erfolg Regeln in bestimmten,
unterschiedlichen Bereichen erlernen. Zur deklarativen, und damit
bereichsunabhängigen Beschränkung von Hypothesenräumen bei
Lernverfahren der ILP wurde von Birgit Tausend die
Beschreibungssprache MILES-CTL entworfen. Damit besteht die
Möglichkeit, Lernsysteme an verschiedene Lernaufgaben
unterschiedlicher Domänen anzupassen. In Rahmen der vorliegenden
Arbeit wurde ein Werkzeug entwickelt, mit dem gezeigt werden konnte,
daß MILES-CTL Beschreibungen aus bereits bekanntem
Hintergrundwissen der Domäne automatisiert abgeleitet werden
können.
|