作者的论文题目为"一阶规则挖掘系统的研究与实现",该项目得到了国家自然科学基金、北京市自然科学基金的资助.该文是对作者研究生期间所作研究工作的总结.数据挖掘技术是当前计算机技术的研究热点之一.但当前的数据挖掘研究主要局限在命题逻辑(即属性-值表示)的框架内,随着数据挖掘技术处理对象范围的扩展,存在一定的局限性.表现在背景知识只能以相当有限的形式加以表示;缺乏关系使得概念描述语言不适合某些应用领域.随着归纳逻辑程序系统的不断完善,源于归纳逻辑程序的关系数据挖掘技术应运而生.其优越性表现在:ILP建立在一阶逻辑的基础上,一阶逻辑为ILP提供了大量的已被透彻理解的概念,技术和理论.一阶逻辑也为ILP提供了一致的和非常有表达力的表示手段,所以在挖掘过程中可非常自然地采用背景知识.而且得到的知识表示为相关谓词构成的规则和事实,比命题规则具有更强的表达能力,使知识的内涵更加丰富并易于人们理解.因此,ILP可克服命题规则挖掘方法的两个主要限制:描述能力的限制与背景知识利用的限制.该课题的主要研究内容是:一阶谓词逻辑是用来描述规则的最具有表现力和最能为人们所理解的表示方法之一,但是在现实世界数据中,经常会存在噪音数据和不完整数据影响规则学习的精确度.我们将研究一种算法使其能够根据概率的评价手段学习出较好的分类规则.该次研究将集中在根据FOIL系统和GDT思想,来构造一个新的原型系统foil-gdt.此系统是一个基于归纳逻辑程序设计的多表数据挖掘系统.它能够为学习出的规则显式地赋予概率规则强度值以此来评价规则的好坏,使得学习出的规则具有较高的精度值.最后,通过两个例子阐述了该方法的实施过程和实验结果,分析表明:该算法是一种新的有效地处理含有噪音数据的一阶规则学习系统.