数据库中的时态数据发掘研究

在实践中,信息系统往往需要处理时态数据。时态数据的出现使得有必要研制在其结构中集成了时j旬模型的数据库系统。在信息系统中可以发现多种时态数据,例如超市的交易记录有时间标记,病员情况每隔一段时间记录一次,另外还有一些象某人的生日这种类型的其它时态数据。作为处理时态信息的时态数据库已经得到广泛研究川。本文试图从KDD角度讨论时态数据发掘的有关问题。

中文网络评论中的产品特征情感倾向提取算法研究

Web中的客户评论信息挖掘是大数据分析中的一项重要内容。分析客户评论中所包含的产品特征情感倾向,不仅可为消费者购买产品提供更具体的决策支持,还能有效帮助企业改进产品质量。针对商业应用的实际需要,提出了一种自动从中文客户评论中抽取产品特征并判断其情感倾向的方案。基于frequent pattern-tree(FP-tree)方法提取产品特征,结合基于语料库的方法和依存句法分析方法识别关于产品特征的主观评论语句、情感词及其情感词的依存关系,综合考虑情感词、否定词、程度词计算产品特征的情感倾向值。采用公开数据中的600篇手机评论作为实验数据,检验了算法的准确性。对比分析的结果说明,算法有很好的应用潜力,能够有效地从网络评论中获取有价值的商业信息。

基于语义互补推理的文献隐含知识的发现方法研究

文献知识发现已经成为解决海量信息检索难题的突破技术。但是目前的文献知识发现方法是基于词袋法的矢量空间模型方法。这类方法具有词汇元素之间语义无关性的先天不足,不能有效地发现文本之间存在的大量潜在知识。提出一种基于主谓宾(S,P,O)结构的最小知识单元表示及其语义推理的中文文献知识发现方法,避免了传统的文献知识发现方法的不足,并在此模型的基础上提出了一种推理算法,其能有效地发现文本中的潜在知识。经过实验证明,该方法与传统的文献知识发现方法相比有效地提高了潜在知识发现的正确率。

时态空间中时态序列模式的数据挖掘(英文)

时态数据挖掘是目前数据挖掘领域的研究热点。与其它相关研究不同,文章致力于利用时态序列模式挖掘进行预测与决策。首先介绍了时态类型的分类;然后定义了一个新的时态空间模型,用以描述基于不同时态类型、不同属性的各个不同对象的状态,并且为高效地进行预测与决策提供支持;最后,给出了时态空间模型中数据挖掘的四种时态序列模式,对时态数据挖掘的研究具有重要意义。

知识发现系统的关键词联想推荐研究

当前我国工程科技领域存在海量数据,如何整合现有数字资源,用知识发现技术辅助专家学者发现当前各领域研究热点具有重要意义。文章通过计算关键词之间的直接关系和隐语义关系,提出了一种基于贝叶斯统计推断的关键词联想算法。解决了知识发现系统中的用户行为信息缺失和共现稀疏等推荐难题。

一类相邻时态关联规则的知识发现问题

本文研究了一类新的知识发现问题即基于时态约束的相邻时态关联问题,首先我们引进了时间的时态型、基时态型等概念及其性质,然后我们给出了有限个属性在时态型的基础上描绘不同状态的时态事件空间,从而定义了事件之间的时态关联规则,由此导出了1种具有一定意义的相邻时态关联规则,这种相邻时态关联规则可以用于商品销售、股票价格等问题的知识发现和短期的预决策,最后讨论了在2个时态型下的相邻时态关联规则的算法主要步骤,并给出了实例的分析。

主动时态数据库在数据挖掘中的技术和应用

针对目前数据越来越多 ,而提取有用数据越来越困难的现状 ,参照流行的观点 ,提出了解决该问题的数据挖掘 (DM)和知识发现 (KDD)的一种方法 .在DM和KDD中应用主动时态数据库技术 。