貝葉斯方法用于多關系數據挖掘的研究.pdf

1、多關系數據挖掘(MRDM：Multi-RelationalDataMining)的研究領域涉及多個學科，它在由多張表構成的關系數據庫中進行知識發(fā)現(xiàn)。挖掘由復雜/結構化對象構成的數據也屬于該研究范疇，因為在一個關系數據庫中，要把這些目標數據進行標準化表述需要用到多張表。多關系數據挖掘旨在將一些已存在的并較為成熟的學科知識整合在一起，如歸納邏輯程序設計(ILP：InductiveLogicProgramming)，知識發(fā)現(xiàn)(KDD)，機器學

2、習，關系數據庫等等，以此來為挖掘多關系的數據生成新的方法，并為這些新的方法生成可用于實踐的應用軟件。 傳統(tǒng)的數據挖掘算法是在數據庫的一張單一的表中查找模式。然而在現(xiàn)實應用中，把多張表中的數據擠壓進一張表需要花費大量的心思和工夫，而且還可能造成信息的丟失。現(xiàn)在，多關系數據挖掘的時代已經來臨了。 本文在傳統(tǒng)數據挖掘的算法基礎上對多關系數據挖掘的主要研究方法進行了介紹和比較，然后從分類的效率和正確率出發(fā)，對各種基于貝葉斯原理的

3、方法進行了仔細研究并將之應用到多關系數據挖掘中。 第一章是緒言，首先簡要介紹了多關系數據挖掘的定義，然后根據它的研究意義和研究范疇分析了它的應用現(xiàn)狀。最后是論文的組織結構。 第二章對傳統(tǒng)數據挖掘技術的概念，過程以及一些分析方法進行了綜述。 第三章介紹了多關系數據挖掘技術的常用方法，包括ILP、多關系關聯(lián)規(guī)則、多關系分類、多關系聚類等等。 第四章開始對多關系數據挖掘中的分類算法展開了仔細研究。本章主要是運用

4、各種貝葉斯方法到多關系分類的規(guī)則連接中，先后討論了樸素貝葉斯、TAN、DLBAN各自的優(yōu)缺點，并用CLP實現(xiàn)了完整的貝葉斯分類器。 第五章提出了一種基于語義關系圖的多關系樸素貝葉斯分類器，該方法將三種技術：語義關系圖，元組標識傳播，多關系樸素貝葉斯相互融合，共同實踐應用到多關系的分類算法中，再經實驗證實了它的高效性和高正確率。 第六章是對全文的總結和對未來研究工作的展望。 論文的主要工作和特色如下： 1)