基于概念格的多文本知識(shí)源挖掘.pdf

1、現(xiàn)實(shí)世界中，90％的知識(shí)來(lái)源于文本，從文本知識(shí)源中獲取專業(yè)知識(shí)是一種重要的途徑。但不同的文本對(duì)對(duì)象的描述往往有所不同，為了獲取完備的知識(shí)，需要從多種文本知識(shí)源中挖掘。
　　文本挖掘工具目前有兩大主流：商業(yè)文本挖掘工具與開源文本挖掘工具。商業(yè)文本挖掘工具適用范圍比較廣，受限條件少，但因其高昂的價(jià)格令不少中小企業(yè)望而卻步。開源文本挖掘工具種類多樣，然而相當(dāng)一部分工具不具兼容性，只適用于特定的場(chǎng)景，在Weak、ROST CM、LIBSV

2、M、Ling Pipe四款開源工具中只有Weak帶有關(guān)聯(lián)規(guī)則的算法實(shí)現(xiàn)。
　　概念格是由德國(guó)數(shù)學(xué)家R.Wille教授于1982年首次提出，是數(shù)據(jù)分析與規(guī)則提取的一種有效工具。概念格描述了對(duì)象和屬性之間的關(guān)系，概念格的節(jié)點(diǎn)是一個(gè)對(duì)象/屬性序?qū)ΓQ為(形式)概念，由兩部分組成：外延和內(nèi)涵。近年來(lái)，概念格已被成功地應(yīng)用于各個(gè)領(lǐng)域。本人基于概念格主要做了如下工作：
　　(1)分析和總結(jié)了文本中知識(shí)的不一致性類型，并提出了基于框架表示

3、法的知識(shí)不一致性檢測(cè)及修正算法，實(shí)驗(yàn)表明所提出的不一致性處理方法是可行和有效的。為下一步的知識(shí)服務(wù)奠定了基礎(chǔ)。
　　(2)提出一種基于屬性分析的關(guān)聯(lián)規(guī)則挖掘方法，以減少關(guān)聯(lián)規(guī)則的數(shù)量。主要有以下三步：首先，該方法從屬性的角度分析其取值域中存在層次結(jié)構(gòu)的特點(diǎn)，然后對(duì)屬性值進(jìn)行模糊聚類以控制概念的數(shù)量和提高概念的質(zhì)量。最后進(jìn)行了研究實(shí)驗(yàn)，驗(yàn)證了方法的可行性，并獲取了有意義的知識(shí)。
　　(3)區(qū)分了文本中的多值知識(shí)，并引入模式結(jié)構(gòu)