Induktive Logikprogrammierung(ILP) ist eine Methode zum symbolischen Regellernen, die die Verschachtelung von Funktionen und logischen Ausdrücken beim Regellernen erster Ordnung einführt und die Prädikatenlogik erster Ordnung als Ausdruckssprache verwendet.

ILP verleiht maschinellen Lernsystemen leistungsfähigere Ausdrucksmöglichkeiten. Gleichzeitig kann es als Anwendung des maschinellen Lernens betrachtet werden, die hauptsächlich zur Lösung der Induktion von Logikprogrammen auf der Grundlage von Hintergrundwissen verwendet wird. Die entsprechenden Regeln können von logischen Programmiersprachen wie beispielsweise PROLOG direkt verwendet werden.

Die ILP-bezogene Designarchitektur ist wie folgt:

Positive Beispiele + Negative Beispiele + Hintergrundwissen ⇒ Hypothese

Das von ILP erlernte Modell basiert auf den symbolischen Regeln der Prädikatenlogik erster Ordnung und nicht auf einem unverständlichen Black-Box-Modell. Das erlernte Modell kann auf der Beziehung zwischen Individuen basieren, anstatt nur die Bezeichnung des Individuums vorherzusagen.

Verweise

【1】Induktive Logikprogrammierung (persönlicher Blog)

【2】Ein Überblick über die induktive Logikprogrammierung