基于模糊本體的多層次關聯(lián)規(guī)則挖掘研究.pdf

1、在事務數(shù)據(jù)庫中挖掘關聯(lián)規(guī)則一直是數(shù)據(jù)挖掘的熱點問題。Agrawal提出了經(jīng)典的基于頻繁項集的Apriori算法,算法產(chǎn)生規(guī)則是以交易數(shù)據(jù)的數(shù)據(jù)庫內容為基礎進行匹配。隨著數(shù)據(jù)庫應用及規(guī)模的快速增長,使得很多巨量數(shù)據(jù)庫難于分析,為了有效的提高發(fā)現(xiàn)過程,利用本體表示背景知識的數(shù)據(jù)挖掘方法得到廣泛的研究。
　　在實際應用中,通常在本體中引入模糊邏輯表示概念之間的模糊關系。隸屬度的值評估一個概念間的相似性。現(xiàn)在模糊本體已經(jīng)應用于很多領域,比

2、如文本檢索、文本挖掘等領域。通過模糊本體表示的領域,豐富了挖掘數(shù)據(jù)之間的語義關系,能夠得到更多的有意義的關聯(lián)規(guī)則。論文首先實現(xiàn)了對本體進行持久化;然后按照建造本體的“七步法”對引入的領域本體進行了修改,為本體中同層的“兄弟”項目節(jié)點通過添加權值表示相似度強度,創(chuàng)建領域本體;最后結合領域模糊本體,提出多重最小支持度的廣義頻繁項集算法,分析實驗結果。
　　在上述研究成果的基礎上,實現(xiàn)了算法。最后,通過程序運行結果表明,利用模糊本體支持