基于數(shù)據(jù)空間的多維動態(tài)關(guān)聯(lián)和事件發(fā)現(xiàn)研究.pdf

1、在結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)集合中發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)聯(lián)是數(shù)據(jù)空間的一個重要研究方向。已有的關(guān)聯(lián)發(fā)現(xiàn)研究主要有兩種方法:一種是使用Apriori算法發(fā)現(xiàn)符合某一關(guān)聯(lián)規(guī)則的關(guān)聯(lián)集合，它主要是在數(shù)據(jù)庫這種結(jié)構(gòu)化數(shù)據(jù)中挖掘不同項和屬性之間的關(guān)系;另一種是基于語義，給定一組預(yù)先定義的關(guān)聯(lián)，通過在非結(jié)構(gòu)化的純文本中分析描述這組關(guān)聯(lián)的句子結(jié)構(gòu)來獲得統(tǒng)一的表達(dá)模式，再根據(jù)這些表達(dá)模式發(fā)現(xiàn)其他新的關(guān)聯(lián)。因此，已有的關(guān)聯(lián)發(fā)現(xiàn)研究不能發(fā)現(xiàn)預(yù)先無法定義的關(guān)

2、聯(lián)，而且僅僅基于一種數(shù)據(jù)結(jié)構(gòu)，沒有對不同數(shù)據(jù)結(jié)構(gòu)的數(shù)據(jù)提供一種統(tǒng)一的關(guān)聯(lián)發(fā)現(xiàn)方法。
　　已有的動態(tài)事件發(fā)現(xiàn)方法大多是基于話題發(fā)現(xiàn)和跟蹤技術(shù)提出的。話題發(fā)現(xiàn)就是用聚類的方法把講述相同主題的新聞放在一起，然后將每一類看成一個話題。隨著社交網(wǎng)絡(luò)的興起，有人提出了基于微博的事件發(fā)現(xiàn)方法，該方法以微博博文這種短文本為數(shù)據(jù)源，同樣使用聚類的方式歸類文本并形成事件。
　　本文基于對傳統(tǒng)的關(guān)聯(lián)和事件發(fā)現(xiàn)方法詳細(xì)的研究和總結(jié)，提出了一種基于數(shù)

3、據(jù)空間的動態(tài)關(guān)聯(lián)和事件發(fā)現(xiàn)方法。該方法以用戶查詢?nèi)罩竞托侣勎臋n為數(shù)據(jù)源，使用用戶日志發(fā)現(xiàn)基于時間窗口候選的關(guān)聯(lián)實體，再為非結(jié)構(gòu)化的新聞文檔構(gòu)建多維倒排索引，根據(jù)實體的索引項信息計算候選實體間的關(guān)聯(lián)度，確定最終具有動態(tài)關(guān)聯(lián)的實體，完成關(guān)聯(lián)發(fā)現(xiàn)。在關(guān)聯(lián)實體集合構(gòu)成的EDR圖基礎(chǔ)上構(gòu)建子圖，每一個子圖對應(yīng)一個事件。本文提出了兩個構(gòu)建子圖的算法分別為LTC和GTC。本文提出的動態(tài)關(guān)聯(lián)的發(fā)現(xiàn)方法可以挖掘出預(yù)先無法定義和預(yù)測的關(guān)聯(lián)，并且可以隨著事件