{rfName}
Co

Indexado en

Licencia y uso

Citaciones

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

Análisis de autorías institucional

Villa Blanco, CarlosAutor (correspondencia)Bielza CAutor o CoautorLarrañaga PAutor o Coautor
Compartir
Publicaciones
>
Artículo

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

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

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

Afiliaciones

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

Resumen

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.

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

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista International Journal Of Approximate Reasoning debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia Scopus (SJR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2023, se encontraba en la posición , consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Applied Mathematics.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir del Field Citation Ratio (FCR) de la fuente Dimensions, arroja un valor de: 1.99, lo que indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: Dimensions May 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2025-05-24, el siguiente número de citas:

  • WoS: 3
  • Scopus: 3
  • Google Scholar: 1
  • OpenCitations: 3
Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2025-05-24:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 6.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 6 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 1.
  • El número de menciones en la red social X (antes Twitter): 1 (Altmetric).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/81285/

Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

  • Visualizaciones: 127
  • Descargas: 16
Análisis de liderazgo de los autores institucionales

Este trabajo se ha realizado con colaboración internacional, concretamente con investigadores de: Italy.

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (VILLA BLANCO, CARLOS) .

el autor responsable de establecer las labores de correspondencia ha sido VILLA BLANCO, CARLOS.