數據挖掘工作流的發(fā)現和復用.pdf

1、由于數據挖掘模式的多樣性、挖掘過程的非平凡性、挖掘算法的復雜性，使得構造一個完整的知識發(fā)現流程往往是耗時的，而且需要領域專家和算法設計人員的多方參與。這些流程不僅可以揭示知識發(fā)現過程，而且含有針對某類具有共性問題的解決方案。因此，如果能夠對這些工作流進行發(fā)現和復用的話，可以大大縮短工作流的創(chuàng)建時間，提高工作流的創(chuàng)建質量。 在本文中，我們利用本體論的方法實現了一個數據挖掘工作流發(fā)現和復用系統(tǒng)。主要工作包括： 1、根據用戶的

2、需求和數據挖掘工作流的特點，提出了數據挖掘工作流的四層描述模型：1)自然語言描述；2)將工作流當作一個原子服務來描述；3)將工作流當作一個組合服務來描述；4)對工作流的結構進行描述。 2、根據這個四層描述模型，建立了知識發(fā)現領域的本體，在本體中確定了數據挖掘領域的類，關系，公理，再利用它們對工作流資源進行組織。并利用OWL語言實現了該本體。 3、提出了工作流查詢的體系結構，由以下四個部分組成：圖形化用戶界面，查詢處理模塊

3、 ，關鍵詞查詢模塊，語義查詢模塊。在語義查詢模塊中，利用SPARQL語言實現了基于本體的語義查詢。在數據挖掘工作流本體中，利用T-BOX中的推理來進行本體的維護，利用A-BOX的推理來回答用戶的查詢，在A-BOX中，我們實現了三種類型的推理：1)垂直推理；2)水平推理；3)新關系的推理。通過這些推理規(guī)則的引入，該系統(tǒng)就可以更好的支持用戶的復雜查詢，提高了搜索的查全率和查準率。 4、實現了一個數據挖掘工作流發(fā)現和復用的原型