半結(jié)構(gòu)化數(shù)據(jù)的聚類研究及在產(chǎn)品設(shè)計中的應(yīng)用.pdf

1、隨著計算機(jī)網(wǎng)絡(luò)以及數(shù)據(jù)庫技術(shù)的快速發(fā)展，各領(lǐng)域積累的半結(jié)構(gòu)化數(shù)據(jù)和信息急劇增加，迫切需要面向知識發(fā)現(xiàn)的方法，而數(shù)據(jù)挖掘的出現(xiàn)與應(yīng)用，為這一目的提供了強(qiáng)大的工具。通過利用半結(jié)構(gòu)化數(shù)據(jù)的內(nèi)容和結(jié)構(gòu)信息，配合數(shù)據(jù)挖掘算法，可以從大量半結(jié)構(gòu)化數(shù)據(jù)中提取用于描述結(jié)構(gòu)特征以及內(nèi)容的信息，并進(jìn)行綜合以對半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行深層次的潛在知識發(fā)現(xiàn)，而發(fā)現(xiàn)的知識能為決策者提供良好的數(shù)據(jù)支持。
　　半結(jié)構(gòu)化數(shù)據(jù)有很多類型，而其中XML文檔是半結(jié)構(gòu)化數(shù)據(jù)的典

2、型代表，所以本文以XML文檔作為半結(jié)構(gòu)化數(shù)據(jù)研究對象，并討論基于XML產(chǎn)品設(shè)計文檔的聚類方法。XML文檔是結(jié)構(gòu)信息和內(nèi)容信息的綜合體，因此對XML文檔的聚類處理需要考慮XML文檔的結(jié)構(gòu)信息和內(nèi)容信息。XML文檔聚類的過程主要為：文檔表示、相似度計算以及聚類處理。本文也從這三個過程對XML文檔聚類進(jìn)行分析研究。
　　第一、對XML文檔一般的表示方法樹形結(jié)構(gòu)和樹路徑集合的優(yōu)缺點進(jìn)行分析總結(jié)。分析XML文檔特征，在前人提出的基于層次的表

3、示方法的基礎(chǔ)上，對該方法作了改進(jìn)，定義了信息表達(dá)式，加入了文本內(nèi)容，父節(jié)點以及層次信息，使信息表示更完整和精確。
　　第二、在XML文檔相似度計算階段，為了充分考慮XML文檔標(biāo)簽的信息，加入標(biāo)簽的語義信息，并基于語義詞典計算它們的語義相似度。對于基于XML的產(chǎn)品設(shè)計文檔，一般語義詞典缺乏相關(guān)領(lǐng)域?qū)I(yè)術(shù)語，對此，本文通過加入領(lǐng)域?qū)I(yè)術(shù)語詞典對標(biāo)簽語義的相似度計算進(jìn)行擴(kuò)展。同時，不同XML文檔中擁有相同子節(jié)點的父節(jié)點表示的信息有可能不

4、一致，以致影響相似度的計算結(jié)果。根據(jù)分析基于XML的產(chǎn)品設(shè)計文檔的特點，可以將父節(jié)點的信息進(jìn)一步抽象化，用更抽象化的節(jié)點信息來取代。因此，為了解決這一問題，在構(gòu)建信息表達(dá)式階段，加入專業(yè)術(shù)語詞典對非專業(yè)術(shù)語的節(jié)點進(jìn)行約簡。
　　第三、介紹分析了凝聚層次聚類以及建立了基于XML的產(chǎn)品描述文檔的聚類模型，并對其進(jìn)行了設(shè)計與實現(xiàn)，并將這個聚類模型應(yīng)用于機(jī)械傳動設(shè)計中，得到了理想的結(jié)果，同時與基于樹路徑集合表示方法的聚類結(jié)果相對比，也得到