सेटिंग्स कई एल्गोरिदम एक एकल संबंध या तालिका पर काम करते हैं, जबकि कई वास्तविक दुनिया डेटाबेस कई तालिकाओं (डोमिंगोस, 2003) में जानकारी संग्रहीत करते हैं।
प्रश्न मल्टीपल (रिलेशनल) टेबल से किस प्रकार के एल्गोरिदम अच्छे से सीखते हैं। विशेष रूप से, मैं उन एल्गोरिदम में दिलचस्पी रखता हूं जो प्रतिगमन और वर्गीकरण कार्यों (नेटवर्क विश्लेषण उन्मुख नहीं, उदाहरण के लिए लिंक भविष्यवाणी) पर लागू होते हैं।
मैं सूचीबद्ध कई दृष्टिकोणों से परिचित हूं, लेकिन (मुझे यकीन है कि मैं कुछ याद कर रहा हूं):
- मल्टी-रिलेशनल डेटा माइनिंग (MRDM) (Dzeroski, 2002)
- आगमनात्मक लॉजिक प्रोग्रामिंग (ILP) (मैगलटन, 1992)
- सांख्यिकीय रिलेशनल लर्निंग (SRL) (गेटूर, 2007)
डुसेरोस्की, एस (2003)। मल्टी-रिलेशनल डेटा माइनिंग: एक परिचय। ACM SIGKDD एक्सप्लोरेशन न्यूज़लेटर।
गेटूर, लिज़ और बेन टास्कर, संस्करण। सांख्यिकीय संबंधपरक शिक्षा का परिचय। एमआईटी प्रेस, 2007।
एस। मगलटन और सी। फेंग। तर्क कार्यक्रमों का कुशल समावेश। एल्गोरिथ्म लर्निंग थ्योरी पर पहले सम्मेलन की कार्यवाही में, पृष्ठ 368-381। ओमशा, टोक्यो, 1990।