多關(guān)系數(shù)據(jù)挖掘中的概率模型研究.pdf

1、隨著現(xiàn)代存儲和通信技術(shù)的發(fā)展，存儲不斷增長的大規(guī)模數(shù)據(jù)已經(jīng)不再是難事，人們迫切地想從這些數(shù)據(jù)中獲得有用的信息，因而如何有效地處理復(fù)雜數(shù)據(jù)并做有效的建模分析己成為計算機科學(xué)亟待解決的問題。例如，電子商務(wù)網(wǎng)站的數(shù)據(jù)庫中既包含某件商品的文本描述、圖片又包含用戶評論和購買信息，對這些多關(guān)系數(shù)據(jù)建模分析是機器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域的熱點。
　　概率模型方法被廣泛用于文本分類、信息檢索、文本和圖像標(biāo)注、協(xié)同過濾、鏈接預(yù)測等問題。這些方法通常假設(shè)一

2、個概率模型來刻畫數(shù)據(jù)的生成過程，通過最大化似然概率得到模型參數(shù)的估計值，進而利用模型參數(shù)對新的數(shù)據(jù)做預(yù)測。本文的主要工作包括:
　　系統(tǒng)地總結(jié)了兩種基本模型，混合主題模型和因子分解模型的相關(guān)解法?；旌现黝}模型是一種聚類模型，它可以分析隱主題以及對單詞和圖像做標(biāo)注。因子分解模型的經(jīng)典例子是概率矩陣分解，通過假設(shè)矩陣元素由交互的因子內(nèi)積，以達到對不完全觀察矩陣填充的目的，常用于評分預(yù)測協(xié)同過濾、圖像恢復(fù)、背景提取等問題。
　　提