粗糙概念格分层建格算法及应用

粗糙概念格能够反映对象与特征间的确定与不确定关系,具有处理不确定性知识的能力,格的构建在应用过程中具有重要的意义。通过分析粗糙概念格的概念和结构,并结合一般概念格的构建思想,针对决策形式背景,提出一种以决策属性值为切入点的粗糙概念格的分层建格方法,从而丰富了粗糙概念格的构建理论。通过实例验证了该方法简单直观,效果良好。

内涵粗糙三支概念及个性化推荐

作为一种高效的数据分析工具,三支概念分析为推荐系统提供了新的思路。为解决评分系统中存在的数据稀疏问题,该文提出一种内涵粗糙三支概念以及基于它的个性化推荐方案。内涵粗糙三支概念由三支概念扩展得来,是由外延、正内涵以及负内涵组成的三元组,正负内涵由外延结合对应的阈值α和β分别生成,内涵粗糙三支概念具有边界模糊、信息丰富等特点。首先,以最大化概念体积为优化目标,设计启发式方法针对每个用户生成相应的内涵粗糙三支概念;其次,移除重复的内涵粗糙三支概念以构成概念集;最后,基于正负内涵特性和推荐置信度,对用户进行个性化推荐。在6个公开数据集上进行实验,结果表明,与k NN、MF、IBCF、CFGAN以及基于形式概念的推荐算法GreConD-k NN和GRHC相比,该文算法具有更优的推荐效果。

粗糙概念格及构造算法

概念格是数据分析与知识提取的一种有效工具,具有精确性和完备性等特点。针对决策形式背景,采用粗集理论中近似的方法描述格的内涵所拥有的外延,给出了一种粗糙概念格结构,具备了描述不确定知识的能力,在此基础上,给出了粗糙概念格的构造算法CARCL。