一种基于概念的数据聚类模型

在数据挖掘研究领域,现有的大多数聚类算法都受到数据可伸缩性和结果可解释性的限制.为了解决这一难题,提出了一种基于概念的数据聚类模型.该模型从描述数据样本的数据本身出发,首先在预处理后的数据集上提取基本概念,再对这些概念进行概化,形成表示聚类结果的高层概念,最后基于这些高层概念进行样本划分,从而完成整个聚类过程.该模型能够在保证聚类准确性的基础上,很大程度地减少要处理的数据量,提高原算法的可伸缩性.另外,该模型基于概念进行知识的发现与分析,能够提高聚类结果的可解释性,便于与用户交互.实验结果表明,该模型对于聚类结果较好且复杂度较高的算法尤为有效.

基于语义概念的海量短信文本聚类

提出一种基于语义概念的海量中文短信文本聚类方法。该方法从短信文本出发,利用《现代汉语语义分类词典》的级类主题词,在短信文本向量集中提取概念元组,形成表示聚类结果的高层概念,基于这些高层概念进行样本划分,从而完成整个聚类过程。实验结果表明,该聚类算法有较好的聚类结果且执行效率较高。

基于属性取值域划分的关系数据获取

关系数据获取是一个很重要的研究领域。为了提高挖掘的针对性和有效性,提出了一种基于属性取值域层次划分的元组概念与属性值概念的交替获取方法。这些属性取值域上的划分是关系中所蕴涵的重要信息。另外,从属性取值域的层次划分出发,定义了一类扩展的关系-粗值关系。每个元组概念都是某个粗值关系中的概念外延。因此,元组概念获取可转化为构造关系的概念格,并证明一个关系与某些粗值关系的横向并的概念格等于它们各自概念格的横向并。由简单概念格的并构造复杂概念格可减少构造概念格的复杂性。

英美国家关于列斐伏尔空间生产理论的新近研究进展及启示

列斐伏尔"空间的生产"理论因对当代人文地理学相关重大问题的深刻洞察力而备受推崇,英美国家对其空间理论的研究已经掀起"第三次浪潮"。文章在重点解读"概念三元组"内在逻辑的基础上,对近期英美人文地理学领域关于"空间的生产"应用研究进行了系统梳理。研究发现,英美人文地理学者已在以哈维为代表的新马克思主义流派和以索亚为代表的后结构主义流派之间另辟新路,主张跳出"空间的生产",从列斐伏尔其他著作中汲取营养以对"空间的生产"进行深度解读。该阶段的主要特征是:相对弱化对空间本体论和认识论的讨论,重视在理论应用方面同人文地理学传统和现实热点问题进行对接,并重点解决理论"本土化"和学科"内部化"问题。人文地理学在发展列斐伏尔空间生产理论方面具有独特优势,中国人文地理学的理论借鉴和应用研究前景广阔,但任重道远。

基于《现代汉语语义分类词典》的文本聚类方法

给出了一种基于语义概念的高效中文文本聚类方法,该方法是从文本的本身出发,利用《现代汉语语义分类词典》的级类主题词,在高维的文本向量集中提取概念元组,形成表示聚类结果的高层概念,最后基于这些高层概念进行样本划分,从而完成整个文本的聚类过程。试验结果表明,该聚类算法有较好的聚类结果且有较高的执行效率。