基于概念格的多文本知識源挖掘.pdf

1、現(xiàn)實世界中，90％的知識來源于文本，從文本知識源中獲取專業(yè)知識是一種重要的途徑。但不同的文本對對象的描述往往有所不同，為了獲取完備的知識，需要從多種文本知識源中挖掘。
　　文本挖掘工具目前有兩大主流：商業(yè)文本挖掘工具與開源文本挖掘工具。商業(yè)文本挖掘工具適用范圍比較廣，受限條件少，但因其高昂的價格令不少中小企業(yè)望而卻步。開源文本挖掘工具種類多樣，然而相當(dāng)一部分工具不具兼容性，只適用于特定的場景，在Weak、ROST CM、LIBSV

2、M、Ling Pipe四款開源工具中只有Weak帶有關(guān)聯(lián)規(guī)則的算法實現(xiàn)。
　　概念格是由德國數(shù)學(xué)家R.Wille教授于1982年首次提出，是數(shù)據(jù)分析與規(guī)則提取的一種有效工具。概念格描述了對象和屬性之間的關(guān)系，概念格的節(jié)點是一個對象/屬性序?qū)?，稱為(形式)概念，由兩部分組成：外延和內(nèi)涵。近年來，概念格已被成功地應(yīng)用于各個領(lǐng)域。本人基于概念格主要做了如下工作：
　　(1)分析和總結(jié)了文本中知識的不一致性類型，并提出了基于框架表示

3、法的知識不一致性檢測及修正算法，實驗表明所提出的不一致性處理方法是可行和有效的。為下一步的知識服務(wù)奠定了基礎(chǔ)。
　　(2)提出一種基于屬性分析的關(guān)聯(lián)規(guī)則挖掘方法，以減少關(guān)聯(lián)規(guī)則的數(shù)量。主要有以下三步：首先，該方法從屬性的角度分析其取值域中存在層次結(jié)構(gòu)的特點，然后對屬性值進(jìn)行模糊聚類以控制概念的數(shù)量和提高概念的質(zhì)量。最后進(jìn)行了研究實驗，驗證了方法的可行性，并獲取了有意義的知識。
　　(3)區(qū)分了文本中的多值知識，并引入模式結(jié)構(gòu)