الموضوع: ورقة بحثية: التعلم النشط واستقراء قاعدة المعرفه

تعرض هذه الورقه طرقا لتعزيز دقة انظمة التعلم الاستقرائي، وتهتم بمسائل: تعلُم قواعد الأثر production rules في مهام تصنيف متعددة الفئه multi-class classification tasks في مجالات مشوّشه ، والإبقاء على تعلم مستمر عند مصادفة وضع جديد عقب انتهاء مرحلة التعلم الأولى، وتصنيف كائن ما object عندما لا يوجد قانون ينطبق على ذلك الكائن.
لقد اوضحنا ان دمج نسق تقييم الأداء والتعلم يعمل على تقديم تصنيفات دقيقه لفئات بيانات واقعيه. وتعرض الورقه النظام أريس ARIS الذي يحقق هذا الاسلوب، وقد تبين ان التصنيفات الناتجه هي غالبا أدق من تلك التي توفرت عن طريق قواعد المعرفه غير المنقحه.
يعتمد قرار التصميم الرئيسي في نظام اريس على ترتيب القوانين Rules طبقا لأوزانها، ويتم تعلم وزن القانون باستخدام نظرية باييز لحساب اوزان شروط القانون ودمجها، ويركز هذا النموذج على تحليل قاعدة المعرفه ويساند عملية التنقيح بكفاءة.
ان هذا النظام (أي اريسARIS) ليس تفاعليا، ويعتمد على كاشفات heuristics لتركيز عملية التنقيح على تلك التجارب التي تبدو اكثر تناغما مع فئة بيانات التنقيح. ويتكون الاطار التصميمي لنظام ARIS من نموذج جدولي لتمثيل اوزان القانون والعلاقه بين حالات التنقيح والقوانين التي تفي (او تنطبق على) كل حاله لتركيز عملية التنقيح، وقد استخدم النظام لتنقيح قواعد معرفه صنعها ARIS بنفسه، وكذلك تنقيح قواعد معرفه اختلقها نظام RIPPER ونظام C4.5 في عشرة ميادين تم اختياها.