{rfName}
Co

Indexat a

Llicència i ús

Icono OpenAccess

Citacions

7

Altmetrics

Article has an altmetric score of 1

Grant support

Universidad Politecnica de Madrid, Grant/Award Number: Predoctoral contract for the formation of doctors; Ministerio de Ciencia, Innovacion y Universidades, Grant/Award Number: PID2019-109247GB-I00; Ministerio de Ciencia, Innovacion y Universidades, Grant/Award Number: RTC2019‐006871‐7; Ministerio de Ciencia, Innovacion y Universidades, Grant/Award Number: TED2021-131310BI00

Anàlisi d'autories institucional

Villa Blanco, CarlosAutor (correspondència)Bielza CAutor o coautorLarrañaga PAutor o coautor

Compartir

Publicacions
>
Article

Constraint-based and hybrid structure learning of multidimensional continuous-time Bayesian network classifiers

Publicat a:International Journal Of Approximate Reasoning. 159 108945- - 2023-08-01 159(), DOI: 10.1016/j.ijar.2023.108945

Autors: Villa-Blanco, C; Bregoli, A; Bielza, C; Larrañaga, P; Stella, F

Afiliacions

Univ Milano Bicocca, Dept Informat Syst & Commun, Models & Algorithms Data & Text Min, Milan, Italy - Autor o coautor
Univ Politecn Madrid, Dept Inteligencia Artificial, Computat Intelligence Grp, Madrid, Spain - Autor o coautor
Universidad Politécnica de Madrid - Autor o coautor
Università degli Studi di Milano-Bicocca - Autor o coautor

Resum

Learning the structure of continuous-time Bayesian networks directly from data has traditionally been performed using score-based structure learning algorithms. Only recently has a constraint-based method been proposed, proving to be more suitable under specific settings, as in modelling systems with variables having more than two states. As a result, studying diverse structure learning algorithms is essential to learn the most appropriate models according to data characteristics and task-related priorities, such as learning speed or accuracy. This article proposes alternative algorithms for learning multidimensional continuous-time Bayesian network classifiers, introducing, for the first time, constraint-based and hybrid algorithms for these models. Nevertheless, these contributions also apply to the simpler one-dimensional classification problem for which only score-based solutions exist in the literature. More specifically, the aforementioned constraint-based structure learning algorithm is first adapted to the supervised classification setting. Then, a novel algorithm of this kind, specifically tailored for the multidimensional classification problem, is presented to improve the learning times for the induction of multidimensional classifiers. Finally, a hybrid algorithm is introduced, attempting to combine the strengths of the score- and constraint-based approaches. Experiments with synthetic and real-world data are performed not only to validate the capabilities of the proposed algorithms but also to conduct a comparative study of the available competitors.

Paraules clau

bayesian network classifierslearning from datamultidimensional classificationstructure learning algorithmsAlgorithmBayesian network classifiersContinuous -time bayesian networksContinuous-time bayesian networksLearning from dataMultidimensional classificationStructure learning algorithms

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista International Journal Of Approximate Reasoning a causa de la seva progressió i el bon impacte que ha aconseguit en els últims anys, segons l'agència Scopus (SJR), s'ha convertit en una referència en el seu camp. A l'any de publicació del treball, 2023, es trobava a la posició , aconseguint així situar-se com a revista Q1 (Primer Cuartil), en la categoria Applied Mathematics.

Des d'una perspectiva relativa, i atenent a l'indicador de impacte normalitzat calculat a partir del Field Citation Ratio (FCR) de la font Dimensions, proporciona un valor de: 2.58, el que indica que, comparat amb treballs en la mateixa disciplina i en el mateix any de publicació, el situa com un treball citat per sobre de la mitjana. (font consultada: Dimensions Jun 2025)

Concretament, i atenent a les diferents agències d'indexació, aquest treball ha acumulat, fins a la data 2025-06-11, el següent nombre de cites:

  • WoS: 3
  • Scopus: 3
  • Google Scholar: 1
  • OpenCitations: 3

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2025-06-11:

  • L'ús, des de l'àmbit acadèmic evidenciat per l'indicador de l'agència Altmetric referit com a agregacions realitzades pel gestor bibliogràfic personal Mendeley, ens dona un total de: 6.
  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 6 (PlumX).

Amb una intenció més de divulgació i orientada a audiències més generals, podem observar altres puntuacions més globals com:

  • El Puntuació total de Altmetric: 1.
  • El nombre de mencions a la xarxa social X (abans Twitter): 1 (Altmetric).

És fonamental presentar evidències que recolzin l'alineació plena amb els principis i directrius institucionals sobre Ciència Oberta i la Conservació i Difusió del Patrimoni Intel·lectual. Un clar exemple d'això és:

  • El treball s'ha enviat a una revista la política editorial de la qual permet la publicació en obert Open Access.
  • Assignació d'un Handle/URN com a identificador dins del Dipòsit en el Repositori Institucional: https://oa.upm.es/81285/

Com a resultat de la publicació del treball en el repositori institucional, s'han obtingut dades estadístiques d'ús que reflecteixen el seu impacte. En termes de difusió, podem afirmar que, fins a la data

  • Visualitzacions: 128
  • Descàrregues: 16

Anàlisi del lideratge dels autors institucionals

Aquest treball s'ha realitzat amb col·laboració internacional, concretament amb investigadors de: Italy.

Hi ha un lideratge significatiu, ja que alguns dels autors pertanyents a la institució apareixen com a primer o últim signant, es pot apreciar en el detall: Primer Autor (VILLA BLANCO, CARLOS) .

l'autor responsable d'establir les tasques de correspondència ha estat VILLA BLANCO, CARLOS.