基于人工智能的知識(shí)發(fā)現(xiàn).pdf

1、知識(shí)發(fā)現(xiàn)本質(zhì)是建立在高維空間中的數(shù)學(xué)計(jì)算問題,人類對(duì)于傳統(tǒng)空間的研究已經(jīng)經(jīng)過數(shù)千年,但是對(duì)于高維空間的數(shù)學(xué)研究才剛剛開始。盡管如此,借助于其核心技術(shù)人工智能的發(fā)展,知識(shí)發(fā)現(xiàn)已經(jīng)取得了非常豐碩的成果。傳統(tǒng)數(shù)學(xué)所無法解決的問題,例如圖象識(shí)別,垃圾郵件攔截,網(wǎng)頁(yè)相似度匹配等問題都得到了一定程度上的解決。但是,從技術(shù)本身來看,這些都是支持向量機(jī)(SupportVector Machine,SVM)的一些低級(jí)別的應(yīng)用,對(duì)于更廣闊的未來而言,技術(shù)的

2、發(fā)展帶來了無限的可能。 本文盡可能詳盡地回顧了知識(shí)與知識(shí)發(fā)現(xiàn)的理論與沿革,人工智能技術(shù)的發(fā)展與核心算法:BP網(wǎng)絡(luò)(Back-propagation Neutral Network)與支持向量機(jī)。在此基礎(chǔ)上,本文提出了知識(shí)發(fā)現(xiàn)所面臨的三大問題：學(xué)科交叉不足,局限于理工科等傳統(tǒng)領(lǐng)域,而對(duì)文科和商科覆蓋不足,對(duì)非結(jié)構(gòu)化數(shù)據(jù)處理能力欠缺,尤其是類似于WORD和WEB的非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)；知識(shí)表示混亂,至今沒有統(tǒng)一的標(biāo)準(zhǔn)。 針

3、對(duì)以上三個(gè)問題,本文設(shè)計(jì)了三個(gè)實(shí)驗(yàn)： 1本文以WORD文件《說文·玉篇》中的一章作為數(shù)據(jù)源,采用規(guī)則提取的方式,將WORD文件字典中的字進(jìn)行了量化抽取。以量化后的結(jié)果載入Matlab,并使用SVM工具箱進(jìn)行了異體字分類識(shí)別。最后用Z語言對(duì)異體字分類的定義進(jìn)行了闡述。 2本文針對(duì)上海國(guó)拍勁標(biāo)網(wǎng)(www.alltobid.com)上的上海市車牌歷次競(jìng)標(biāo)記錄,采用WEB抓取的方式,獲得自開始拍賣以來至今的所有數(shù)據(jù)。將這些數(shù)據(jù)作

4、為數(shù)據(jù)源,用BP網(wǎng)絡(luò)對(duì)車牌價(jià)格所形成的多元函數(shù)進(jìn)行了擬合,對(duì)后期的車牌價(jià)格走勢(shì)進(jìn)行了預(yù)測(cè)。與此同時(shí),將本文中獲得的結(jié)果與傳統(tǒng)經(jīng)濟(jì)學(xué)方法進(jìn)行了對(duì)比,證明了AI算法相對(duì)于傳統(tǒng)經(jīng)濟(jì)學(xué)方法的優(yōu)越性。最后,針對(duì)本文的函數(shù)用Z語言進(jìn)行了描述。 3作為管理學(xué)碩士,本文對(duì)管理學(xué)中參數(shù)化評(píng)估以及它的多種進(jìn)化形態(tài)進(jìn)行了回顧,并將BP網(wǎng)絡(luò)和SVM分類技術(shù)相結(jié)合,提出了動(dòng)態(tài)參數(shù)化評(píng)估的概念。這種新評(píng)估方式主要認(rèn)為：舊有的評(píng)估方法存在參數(shù)人為任意設(shè)定,權(quán)

5、值僵化,而容易被有所針對(duì)性的回避而不能產(chǎn)生正確的評(píng)估效果。 為了避免上述現(xiàn)象的發(fā)生,本文認(rèn)為,應(yīng)該從樣本自身出發(fā),由樣本自身描述問題的本質(zhì)。首先使用SVM對(duì)樣本的特征進(jìn)行提取,得出參數(shù)項(xiàng)；其次根據(jù)參數(shù)項(xiàng)對(duì)樣本進(jìn)行循環(huán)計(jì)算,得到每個(gè)項(xiàng)的權(quán)值；最后依據(jù)不同的權(quán)值,對(duì)權(quán)值進(jìn)行函數(shù)擬合和預(yù)測(cè)。這樣構(gòu)成的參數(shù)評(píng)估系統(tǒng),每當(dāng)產(chǎn)生新的樣本的時(shí)候,則系統(tǒng)重新計(jì)算并對(duì)權(quán)重和參數(shù)進(jìn)行調(diào)節(jié)。無疑具有更好的自適應(yīng)能力和更符合現(xiàn)實(shí)要求的特點(diǎn)。 本

6、文進(jìn)行了一次針對(duì)上海房?jī)r(jià)指數(shù)的動(dòng)態(tài)參數(shù)實(shí)證研究：針對(duì)上海市房產(chǎn)交易中心(Fangdi.com.cn)上的成交數(shù)據(jù),以WEB抓取的形式獲得；以不同區(qū)域?qū)ι虾７績(jī)r(jià)的影響作為參數(shù),以影響的程度作為權(quán)重進(jìn)行計(jì)算；最后以Z語言對(duì)整個(gè)動(dòng)態(tài)參數(shù)化評(píng)估系統(tǒng)作出了描述。本文以如上述三個(gè)實(shí)驗(yàn)的方式對(duì)本文提出的問題進(jìn)行了討論和解釋。針對(duì)學(xué)科交叉問題,本文結(jié)合中文學(xué)科,提取WORD文件中的異體字,并使用SVM技術(shù)進(jìn)行了識(shí)別；結(jié)合筆者本科時(shí)代的經(jīng)濟(jì)學(xué)背景,使用B

7、P網(wǎng)絡(luò)對(duì)來自WEB的上海車牌拍賣數(shù)據(jù)進(jìn)行了函數(shù)擬合： 最后作為一名管理學(xué)的碩士,將SVM的分類技術(shù)和BP網(wǎng)絡(luò)的函數(shù)擬合技術(shù)結(jié)合而提出了動(dòng)態(tài)參數(shù)化評(píng)估,對(duì)管理學(xué)中參數(shù)化評(píng)估進(jìn)行了改進(jìn)。針對(duì)非結(jié)構(gòu)化數(shù)據(jù)源問題,本文實(shí)驗(yàn)中所采用的WORD文件,WEB數(shù)據(jù),都是非結(jié)構(gòu)化數(shù)據(jù),采用規(guī)則抽取方式,將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為準(zhǔn)結(jié)構(gòu)化或者結(jié)構(gòu)化數(shù)據(jù)進(jìn)行知識(shí)發(fā)現(xiàn)；對(duì)于知識(shí)表示問題,本文使用了Z語言對(duì)每次實(shí)驗(yàn)所得到的知識(shí)進(jìn)行了結(jié)構(gòu)化描述。 雖然本