時態(tài)文本挖掘的關聯(lián)規(guī)則算法研究.pdf

1、由于對象為文本的數(shù)據(jù)庫日益增多，并且這些數(shù)據(jù)庫都在頻繁更新，所以針對實時更新的文本數(shù)據(jù)庫應產(chǎn)生相應的時態(tài)關聯(lián)規(guī)則，以便挖掘時態(tài)文本數(shù)據(jù)庫中隱藏的大量未知信息，這也將有助于發(fā)現(xiàn)事物發(fā)展的本質(zhì)規(guī)律，使得發(fā)現(xiàn)的知識更加切合實際意義。雖然關聯(lián)規(guī)則算法已經(jīng)被深入廣泛地研究，但在文本數(shù)據(jù)中時態(tài)關聯(lián)規(guī)則算法研究還不多見。
　　 本文以時態(tài)文本為對象進行了時態(tài)關聯(lián)規(guī)則的算法研究。首先對實驗對象進行時態(tài)文本預處理，將時態(tài)文本用向量空間進行表示;然

2、后提出時態(tài)文本表示模型及時態(tài)文本關聯(lián)規(guī)則模型;再提出時態(tài)文本關聯(lián)規(guī)則算法SPFM，最后通過實驗對該算法進行了有效性驗證。
　　 本文采用C++編程語言實現(xiàn)SPFM算法在時態(tài)文本關聯(lián)規(guī)則挖掘中的運用。我們將時態(tài)文本數(shù)據(jù)庫轉(zhuǎn)換為垂直數(shù)據(jù)格式，通過SPFM算法尋找有效時間，挖掘有效時間內(nèi)的頻繁項集，最后對時態(tài)文本進行強關聯(lián)規(guī)則的挖掘，最后通過實驗驗證了算法SPFM是實際可行的。該算法在實際應用中有很大的意義，不僅能對醫(yī)學病毒論文進行分