

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、基于約束的頻繁模式挖掘是數(shù)據(jù)挖掘研究中最基本問題之一,具有廣泛的實際應(yīng)用。然而,在這個研究領(lǐng)域中,仍然存在三個方面的挑戰(zhàn):(1)如何拓展新的應(yīng)用?具體而言,除了模式的“支持度”,怎樣設(shè)計一些新模式指標(biāo)更好地去度量模式的興趣度,以滿足新應(yīng)用的需求;(2)和模式支持度的反單調(diào)性不同,所提新模式指標(biāo)的性質(zhì)通常都比較復(fù)雜,比如它不滿足單調(diào)性、反單調(diào)性、可轉(zhuǎn)換性、簡明性等。那么對一個模式,如何快速計算其所有父模式關(guān)于該指標(biāo)的上/下界,并利用這個新
2、模式指標(biāo)的特性設(shè)計出高效算法;(3)通常,不同的應(yīng)用,有不同新模式指標(biāo)的提出,然后分別提出不同的模式上/下界的計算方法。那么有沒有一種通用方法可以計算任一模式指標(biāo)的上/下界?針對以上問題和挑戰(zhàn),本文開展了基于約束的頻繁模式挖掘的方法及其應(yīng)用研究,主要成果及貢獻如下:
首先,提出了一個基于模式挖掘的網(wǎng)頁內(nèi)容推薦方法。網(wǎng)頁內(nèi)容推薦就是從網(wǎng)頁中找到重要的內(nèi)容塊組合推薦給用戶,有著很多的應(yīng)用(比如網(wǎng)頁智能打印、移動設(shè)備上的電子閱讀等)
3、。目前有許多的方法試圖去解決這個問題,但在這些方法中,要么就是針對于特定網(wǎng)頁(比如新聞、博客類的網(wǎng)頁),要么就是半自動化的(用戶需要額外的操作去選擇網(wǎng)頁的內(nèi)容塊)。針對于任一類型的網(wǎng)頁,如何全自動地提取網(wǎng)頁中的有效內(nèi)容,目前還沒有得到很好地解決。為此,本文利用之前用戶對相似網(wǎng)頁的選擇方式,將該問題形式化成一個模式挖掘推薦問題,提出了一個基于模式挖掘的網(wǎng)頁內(nèi)容推薦方法,可以為任一類型的網(wǎng)頁提供更加準(zhǔn)確的網(wǎng)頁內(nèi)容推薦。具體而言,推薦給用戶的
4、內(nèi)容塊組合(模式)不僅要頻繁被其它用戶選擇,而且要越完整越好。鑒于此,本文提出了一個新的模式興趣指標(biāo),即占有度,來衡量模式在其支持數(shù)據(jù)庫上的完整度。結(jié)合模式的支持度和占有度,可以提供給用戶更加準(zhǔn)確、滿意的網(wǎng)頁內(nèi)容推薦。最后,同基準(zhǔn)方法比較,在真實的數(shù)據(jù)集上的實驗結(jié)果表明所提方法能取得更加滿意的推薦結(jié)果和運行效率。
其次,提出了一個基于占有度的頻繁模式挖掘通用高效算法。本章分別對占有度的定義、界估算方法以及應(yīng)用三個層面進行深度擴
5、展。具體而言,基于不同的加權(quán)平均(算術(shù)平均和調(diào)和平均),提出了兩種不同的占有度定義,即算術(shù)占有度和調(diào)和占有度。與模式支持度的反單調(diào)性不同,占有度的性質(zhì)即不滿足單調(diào)性、反單調(diào)性,又不滿足可轉(zhuǎn)換性、簡明性,那么對一個模式,如何快速計算其所有父模式關(guān)于占有度的一個上界?為此,對于每一種占有度定義,本文分別提出了三種上界:高效、最‘緊’和折中上界。高效上界對于單個結(jié)點計算比較高效,但是比較松散,需要搜索結(jié)點數(shù)比較多;最‘緊’上界得到的界比較緊湊
6、,因而搜索很少的結(jié)點,但是計算單個結(jié)點比較耗時;為此,本文提出了一個折中上界,在松緊度和計算復(fù)雜度之間達到一個均衡,使算法整體性能達到最優(yōu)。占有度的概念不僅對于事務(wù)數(shù)據(jù)庫上的應(yīng)用很重要(比如網(wǎng)頁內(nèi)容打印推薦),而且對于序列數(shù)據(jù)庫中上的應(yīng)用也非常重要(比如旅游餐景點推薦),為此,本文提出了一個通用算法DOFRA可以同時處理不同類型數(shù)據(jù)庫上的應(yīng)用。最后,在兩個實際應(yīng)用中驗證了DOFRA的有效性,同時也在大量的合成數(shù)據(jù)中驗證了DOFRA算法運
7、行效率。
最后,提出了一個通用模型可以高效估算任一模式指標(biāo)的上/下界。基于約束模式挖掘不僅有助于捕捉更多的模式的語義信息,而且還可以利用約束的性質(zhì)進一步地提高挖掘效率。在一些實際的應(yīng)用驅(qū)動下,通常會提出一些新的模式指標(biāo)去度量模式的興趣度,然后分別估算所提模式指標(biāo)的上/下界,缺少一個適合于任一模式指標(biāo)的統(tǒng)一框架。為此,本文形式化了只考慮項標(biāo)記的界估計問題,提出了一個通用模型可以高效解決這個問題。為了更加直觀地展示所提通用框架的有
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于約束的頻繁模式挖掘方法以及應(yīng)用研究.pdf
- 基于位值壓縮存儲的頻繁模式挖掘方法及應(yīng)用研究.pdf
- 基于數(shù)據(jù)流的頻繁模式挖掘應(yīng)用研究.pdf
- 基于頻繁模式的Web使用挖掘技術(shù)及應(yīng)用研究.pdf
- 基于約束的序列模式挖掘及其應(yīng)用研究.pdf
- 基于約束的序列模式挖掘方法研究.pdf
- 基于約簡頻繁模式樹的頻繁模式挖掘及查詢算法研究.pdf
- 基于時間序列的頻繁模式挖掘研究與應(yīng)用.pdf
- 帶通配符和間隔約束的近似頻繁模式挖掘研究.pdf
- 基于Hadoop的頻繁模式挖掘算法研究.pdf
- 基于頻繁模式樹的最大頻繁項目集挖掘算法研究.pdf
- 數(shù)據(jù)流中頻繁模式挖掘方法的研究及應(yīng)用.pdf
- 基于WEB日志挖掘的頻繁模式挖掘算法研究.pdf
- 基于陣列的頻繁模式挖掘算法研究.pdf
- 數(shù)據(jù)流頻繁模式挖掘關(guān)鍵算法及其應(yīng)用研究.pdf
- 基于頻繁模式挖掘的網(wǎng)站優(yōu)化策略研究.pdf
- 頻繁子樹挖掘及其在XML挖掘中的應(yīng)用研究.pdf
- 基于頻繁API使用模式挖掘的軟件缺陷定位方法研究.pdf
- 基于頻繁模式樹的最大頻繁項集挖掘算法研究.pdf
- 約束頻繁項目集挖掘算法研究.pdf
評論
0/150
提交評論