层次概念的分布式表示和学习方法综述

层次概念能够有效解释语言模型的隐含知识,并且提升语言模型的结构化优化性能。针对层次概念表示和学习模型的多样化发展,该文分析了层次概念表示的线性空间、概率空间和文本蕴含性质,梳理了概念学习模型的层次结构和优化原理,用于促进概念学习模型的应用效果。通过阐述概念学习过程和语义空间的层次性质,归纳层次概念学习的四类计算模型:基于条件熵的文本层次概念抽取;建立语言资源的概念层次和神经网络的隐含层次之间的映射;通过迭代的随机过程拓展主题模型;在正则化因子中添加语义关系约束。通过概念学习综述得出如下结论:层次性的语言模型广泛结合了显明和隐含的概念表示方法;统计模型和语言资源的语义映射是拓展层次结构的主要路径;层次结构具有双曲空间和嵌套球形结构;层次结构分析可以提升统计模型的解释水平。

基于GA的多层次概念归纳学习方法

面向属性的归纳学习 (亦称概念提升 )是一种广泛使用的知识发现方法。通过归纳学习 ,使得属性域取值的抽象程度提高 ,从而得到较精练的数据集合 ,大大提高了规则的学习效率。但是实际应用环境中的数据属性维数非常多 ,属性概念层次也非常复杂 ,基于集合论的传统学习方法的效率变得越来越低。基于遗传算法的高搜索性能 ,提出了一个概念空间的特征概念层次优化搜索方法 ,特别是处理高维、具有复杂概念层次的问题时收到了较好的效果。

“均、宫、调三层次概念”真的能够成立吗?

笔者认为:"均、宫、调三层次概念"实际上难以成立。理由是:一、从"宫""调""均"三词涵义来说:"宫"一般指"调高";"调"一般指"调式";而"均"是多义词,一般都认为它就是音阶、或认为"宫、均、调三词在调高意义下,常常可以互相代替"。在实际音乐中,"宫"(调高)与"调"(调式)密切相联,根本不能剥离而分为两个层次。而"均"作为律位构成的音阶,与调高、调式天然地叠合在一起,根本不可能也没有必要剥离开来而分成三个层次;二、从传统七声音阶的构成来说,实际上并不完全采用三分损益四度、五度成律法,而是采用兼含三分损益与纯律三度关系成律法的复合律制—如钟律、琴律,所以根本不存在所谓的"均主"一说。

一种多层次概念数据库的构造方法

多层次概念数据库是一种新的数据库组织技术，用于合作式查询、数据库浏览、查询优化等方面．论述了多层次概念数据库的框架结构、构造方法和快速实现算法．在用户提供概念层次作为背景知识的前提下，采用改进的属性归纳法提高了关系概括的速度．

多层次概念数据库的模型

介绍了 KDD中的多层次概念数据库的定义与模型 ,特别是对多层次概念数据库字典库的设计 ,多层次概念数据库的构造 。

地图语言层次概念与地图代数简述

本文阐述以下问题：关于地图的哲学思考，简单引述了已有文献上有关地图结构并作了比较分析。介绍了地图代数的基本概念和实施过程。以实例证实了所提出的地图代数方法这一新概念的实用价值。

第二层次概念教学——台湾历史教学特色研析

台湾历史教学界借鉴英国经验,持续开展了"第二层次概念"的研究与探索,并形成了自身教学特色。"第二层次概念教学"是台湾历史教育的亮点,坚持科学严谨的知识观,强调学生历史探究进程中的"第二层次概念",如时序、延续与变迁、因果、神入、证据与陈述等,注重发展学生的各项历史能力,提高学生的历史素养;其研究队伍广泛、高效且专业,既有职业历史学家的引领,又有一线教师的协同参与,且立足教育实践的变化,从实际出发,适时调整教学策略。

基于概念层次树的数据挖掘算法的研究与实现

1 引言 随着计算机技术、特别是数据库技术的发展,多年来,在冶金企业中,积累了海量的生产现场参数,它们以各种形式存放在数据库中.如何通过对这些数据的分析和处理,发现其中潜在的、未知的规则和知识, 以便从中找到影响产品质量的原因,达到提高产品质量、降低成本等目的,是亟待解决的问题,数据挖掘技术为此提供了有利的支持.

基于中文学术文献的领域本体概念层次关系抽取研究

基于学术文献构建领域本体对促进领域学科发展具有重要的意义。本文提出了一种以中文学术文献为数据源,半自动化抽取领域本体层次关系的框架方法。首先,构建了一个通用的领域本体层次关系的细粒度研究框架。其次,设计了一种新的概念表示方法,融合了深度学习方法得到的概念语义特征和上下文的时间序列词频。进一步结合了AP聚类、Prim算法和Web搜索引擎的查询数据,提出了基于规则推理的本体概念层次关系抽取算法(RROCHE),实现了半自动化概念层次关系抽取。最后,基于中文分词领域的中文学术文献数据,通过数值实验方法讨论了方法的可行性和有效性。本文提出的框架方法也非常容易推广并应用到各领域本体层次关系任务中。

一种利用度属性获取本体概念层次的方法

通过分析已有的中文本体概念层次获取方法的特点和不足,提出一种利用度属性获取概念层次的方法.首先将概念关系以图的形式表示出来,然后利用反向剪枝算法得出概念所在层次,最后补充并修剪层次关系生成完整的概念层次.从各种参数的对比结果来看,基于VSM(Vector Space Model)且不进行LSI(Latent Semantic Indexing)降维时效果最好,同时也优于目前已有的几种方法.

本体概念层次获取方法综述

概念层次是本体的基本骨架,而概念层次的获取又是本体学习中非常重要的一步。参考大量的文献资料,分析了当前国内外本体概念层次获取研究中采用的多种方法和技术,指出了研究中的关键问题,阐述了其研究进展,探讨了研究中存在的问题和未来的发展方向。

中文领域本体概念层次获取方法对比研究

概念层次是本体的基本骨架,而概念层次的获取又是本体学习中非常重要的一步。国际上对于概念层次获取的研究绝大部分都集中于英语,国内在该方面的研究还处于起步阶段,而目前已有的处理英文的方法用于处理中文效果如何,在国内还没有这方面的报道。重点比较了能用于获取中文概念层次的方法,并详细分析了各种参数的不同取值对结果的影响。结果表明在相同实验语料背景下,层次聚类法中基于VSM的方法效果最好。

一种新的面向属性归纳中概念层次技术研究

面向属性归纳的方法目前是数据挖掘主要技术之一.在分析基本的面向属性归纳算法不足的基础上,提出了一种概念层次优化技术,包括:将基于规则的概念图转化成一棵概念树;对于不平衡的概念树,再转化成平衡的概念树;用节点集合来记录数据库中每个元组在概念层次中的泛化路径.利用置信度、支持度和LS充分性因子等评价指标对学习结果进行取舍.最后,将算法在爱尔兰教育经历数据库分析中进行了应用测试,结果显示了算法更加有效,适用性更强.

基于概念层次树的数据挖掘算法及应用研究

概念层次树在大规模数据挖掘中已得到广泛应用。在介绍基于概念层次树的数据挖掘算法的基础上,针对已有数值型数据概念提升算法的不足,提出了改进后的算法,并通过数据测试给出两种算法的比较效果和应用实例。

自动标引中基于概念层次树的主题词轮排选择的算法实现

提出了一种基于概念层次树的主题词轮排选择的实现算法。根据概念层次树中所包含的主题词上下位信息对待标引的文本候选主题词的权重进行调整,并扩充未出现在文本中的上位主题概念。最后根据概念层次树中所包含的主题词类属信息对不同类属的候选主题词进行轮排选词。实验显示,该算法产生的自动标引结果比单纯按权重排序的方法能更好地表现文本的主题。

一种基于概念层次的分类规则挖掘算法研究

从概念层次的角度 ,提出了一种新的基于概念层次的分类规则挖掘算法 ,并阐述了相关概念及属性归纳技术与相关性分析方法 .以城市人口与收入信息数据库作为测试数据 ,给出了该算法的试验结果 .研究结果表明 ,本算法生成的决策树大小合适 ,规则明了 。

一种新的通用概念层次编码方法

概念层次是目前数据挖掘和知识发现的前沿性方法。为了把概念层次用于数据挖掘,需要解决如何从现有数据集自动生成概念层次,如何存储和处理网状概念层次结构及如何提高概念层次结构的搜索效率等问题。文章提出适用于任何数据挖掘功能的通用编码方法――基于层次域的概念层次实数编码法,该方法有效地解决了概念层次的存储和检索问题,并在微机电系统领域进行了与典型算法的对比分析。

关系数据库中概念层次自动提取算法研究

作为一种重要的背景知识，概念层次在ＫＤＤ中发挥了重要作用。概念层次能够以层次的形式和偏序的关系组织数据和概念，能够以高层概念表示数据库中数据的关系。本文就概念层次的应用和提取进行了讨论，提出一种自动提取数值型概念层次的算法．

基于多层次复杂概念网络表示方法的《伤寒论》方药按主方分类的知识发现

本文基于形式概念分析数学理论,以《伤寒论》方药知识库中方剂、药物和方剂-药物关系为概念进行形式背景的生成,并根据清代徐灵胎《伤寒论类方》的分类方法(桂枝汤类、柴胡汤类、泻心汤类和杂法方类)进行形式背景的对象子块分割和优化,进而借用描述事物普遍性和特殊性层次的复杂概念网络生成方法,构建《伤寒论》方按主方分类相应的方剂配伍子群结构多层次复杂概念网络图,给出相应方剂(对象)和药物(属性)之间的关系结构可视化表示和解释。这是将信息科学与传统中医伤寒学结合的新尝试,有利于对传统分类方法的再学习和认识,进一步推动《伤寒论》学术的继承和创新。

专利领域本体概念语义层次获取

根据专利领域本体构建的需求，提出一种专利领域本体概念语义层次获取方法。通过分析专利领域技术主题概念在形式化时的构词规律以及上下位关系的表现方式，利用相对修饰度和关联规则识别上下位关系。然后分析上下位关系的特性，总结关系冗余和关系冲突的消除规则，构建出专利领域概念语义层次图。实验结果表明，上下位关系识别方法具有较高的准确率和召回率，构建概念语义层次图的方法取得了较好的关系冗余和关系冲突的消除效果，证实了本文方法的有效性。