| 试论关系类别及其学习机制 |
|
|
|
;猫”追“老鼠”，另一域包含“狗”追“猫”。类别学习过程中个体学习到了“A追B”的关系，所以人们首先将前域中的“猫”和后域中的“狗”，及前域中的“老鼠”和后域中的“猫”一一校准，之后在两域中作出关系“A追B”的映射。
中国论文联盟*编辑。 Falkenhainer，Forbus 和Gentner [32]等提出结构—映射的模型或学习机制：SME（the structure-mapping engine）。模型对于关系类别的学习机制和学习过程作了具体的阐述：结构映射学习的第一步是“局部匹配”。即结构校准之初如果两域中存在名称相同的关系，而两域中该关系的自变数如果又具有相同的性质（如均为实体或均为特征等），则关系匹配的可能性就会提高。但是最初两域间可能出现关系的“一对多”匹配，例如基域存在一个因果关系，靶域存在两个或更多的因果关系。这种“一对多”匹配将受到系统性规则的约束最后产生“一对一”的匹配，即当靶域存在两个或更多的因果关系时，进一步比较靶域各因果关系所在的上阶关系和下阶关系，能够与基域中的因果关系的上阶关系和下阶关系实现最佳匹配的因果关系最终被保留下来。第二步是“建构总体匹配”。当两域中众多的局部关系校准匹配之后，需要在此基础上进一步联合各局部关系或进一步扩展各局部关系的匹配（即通过两域的校准映射在局部关系的上阶关系和下阶关系中进一步做出推理学习），最终创建出可以匹配的关系系统。但是这也可能会产生多个总体匹配。第三步是评估多个总体匹配，只保留一个。这依赖于局部匹配的证据（如系统性关系的各阶关系匹配数量、程度等），支持的推理数量（如依据系统关系做出推理的可能性、数量等）等，这一学习过程中人们表现出偏好系统性的深层关系结构，即人们更愿意选择系统性的关系结构作为关系类别的类标准。
在此基础上，SME还强调关系学习中的几个重要特 上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] ... 下一页 >> |
|
|
| |
|
上一个论文： 浅谈企业运用反担保的现实问题及对策
下一个论文： 生物探究实验中的几个关键问题 |
|
用户登录 
新用户注册 