基于ILP的多關(guān)系數(shù)據(jù)挖掘研究.pdf

1、傳統(tǒng)數(shù)據(jù)挖掘算法,其知識(shí)表示方式主要是命題邏輯形式,每一樣例以屬性值元組的形式表示,難以表達(dá)對(duì)象內(nèi)部之間的復(fù)雜關(guān)系,并且只能從單一關(guān)系中發(fā)現(xiàn)模式。但是,大多數(shù)現(xiàn)實(shí)關(guān)系數(shù)據(jù)庫中的信息存儲(chǔ)于多個(gè)關(guān)系中,并且許多復(fù)雜模式難以用命題邏輯語言表示。屬性-值學(xué)習(xí)的單表假定無法直接利用這類聯(lián)系及其蘊(yùn)涵的信息內(nèi)容,其算法僅局限于由一張表或關(guān)系構(gòu)成的數(shù)據(jù)庫,不能將那些相對(duì)復(fù)雜的模式簡(jiǎn)單地用這種屬性-值的格式表現(xiàn)出來,因而無法發(fā)現(xiàn)現(xiàn)實(shí)世界數(shù)據(jù)中隱藏的更為復(fù)

2、雜的模式。對(duì)于許多應(yīng)用,當(dāng)在多關(guān)系數(shù)據(jù)中發(fā)現(xiàn)模式時(shí)模式自然要涉及多個(gè)關(guān)系,若使用傳統(tǒng)數(shù)據(jù)挖掘算法,應(yīng)把數(shù)據(jù)從多關(guān)系中納入一個(gè)單關(guān)系中,然后才能進(jìn)行挖掘。這不僅需要大量的預(yù)處理工作和謹(jǐn)慎的設(shè)計(jì),并且可能導(dǎo)致信息丟失、語義偏差以及效率降低等問題。多關(guān)系數(shù)據(jù)挖掘算法就是在這種研究背景下應(yīng)運(yùn)而生的一種新的研究領(lǐng)域。
　　本文的研究目的是在傳統(tǒng)歸納邏輯程序設(shè)計(jì)規(guī)則覆蓋分類算法的基礎(chǔ)上,構(gòu)造一個(gè)可以處理現(xiàn)實(shí)生活中復(fù)雜關(guān)系模式的多關(guān)系分類算法,

3、使得新的分類器具有更好的分類精度以及對(duì)關(guān)系的數(shù)量具有更好的可擴(kuò)展性。首先,對(duì)傳統(tǒng)ILP算法進(jìn)行研究,針對(duì)傳統(tǒng)數(shù)據(jù)算法在處理復(fù)雜多關(guān)系模式數(shù)據(jù)時(shí)存在的問題,引入了交叉挖掘的元組id傳播技術(shù),極大的降低了時(shí)間復(fù)雜度和空間復(fù)雜度。并且將單表上的特征選擇算法CFS擴(kuò)展到了多關(guān)系領(lǐng)域,利用SU值在每張數(shù)據(jù)表當(dāng)中進(jìn)行特征的篩選,利用TSU值判斷每張?zhí)幚砗髷?shù)據(jù)表與類別標(biāo)簽的相關(guān)程度,重構(gòu)數(shù)據(jù)庫模式,提出一種新的多關(guān)系分類算法-基于特征選擇的多關(guān)系分類