基于概念格的网站信息资源的知识抽取

针对当今搜索引擎检索网站信息资源存在的一些问题,为了从浩瀚的网站信息资源中抽取潜在的、有价值的知识,依据概念格的理论,文中提出了将网站信息资源(主要是非结构化的Web文本)与其特征之间的关系通过概念格结构描述出来的方法.利用构造出来的概念格能够有效地抽取隐含在网站信息资源中潜在的、有价值的知识.     

基于概念格的网站信息资源的知识抽取

针对当今搜索引擎检索网站信息资源存在的一些问题,为了从浩瀚的网站信息资源中抽取潜在的、有价值的知识,依据概念格的理论,文中提出了将网站信息资源 (主要是非结构化的Web文本) 与其特征之间的关系通过概念格结构描述出来的方法.利用构造出来的概念格能够有效地抽取隐含在网站信息资源中潜在的、有价值的知识.     

基于概念格的网站信息资源的知识抽取

针对当今搜索引擎检索网站信息资源存在的一些问题,为了从浩瀚的网站信息资源中抽取潜在的、有价值的知识,依据概念格的理论,文中提出了将网站信息资源(主要是非结构化的Web文本)与其特征之间的关系通过概念格结构描述出来的方法。利用构造出来的概念格能够有效地抽取隐含在网站信息资源中潜在的、有价值的知识。     

基于粒计算的概念格拓展模型

将粒计算融入到概念格研究中,结合相似度模型和概念格结构信息,提出一种基于粒计算的概念格拓展模型,其有助于扩展经典概念的内涵和外延,也有助于压缩概念的规模.该模型是概念格和粒计算融合研究的一次有益探索和尝试,同时对概念格拓展也不失为一种有效手段.     

基于优化层次聚类的文档逻辑结构抽取

半结构化文档的逻辑结构自动发现可以改善文档的浏览方式,提高文档内容构件的复用性,有效克服了半结构化文档难于利用的弱点。该文将文档处理对象扩展到结构松散的文档实例,提出了基于优化层次聚类的文档逻辑结构抽取算法——CEDLS。算法首先对文档逻辑结构标志性信息进行识别与特征提取,并根据逻辑结构抽取的特点对传统的层次聚类分析方法进行改进,使获得的分类结果适用于CEDLS算法的逻辑层次归纳策略。最终以上海证券所的年报为测试集进行实验,通过与传统的方法进行比较,证明了这种算法在容错性能和正确率方面的优越性。     

基于概念格的民族信息资源存储与检索

概念格应用于信息检索具有独特的检索和导航优势。基于概念格理论的基础上,研究民族信息资源概念格的存储与检索,为提高民族信息资源平台的检索效率提供参考。     

一种基于未命名概念的类比推理方法

类比推理作为人类认知发展的中心能力之一,是人工智能领域的一个研究重点.传统的类比推理方法只以人类所熟知的命名概念为基础进行类比推理,忽略了大规模数据中往往存在许多尚未认知的"准概念"——未命名概念,限制了类比推理的完整性.针对这一问题,结合概念格在存储数据信息方面的优越性和知识表达的完备性,提出一种基于未命名概念的类比推理方法.该方法在类比推理的过程中以概念格模型为核心,首先建立源领域和靶向领域的概念格模型,通过概念格结构将两个领域的数据组织起来,其次利用同构算法得到源和靶域之间的节点映射,然后通过本体和概念的属性匹配得到未命名概念,最后利用未命名概念将源领域中的映射关系类比至靶领域,扩大类比结果.实例分析结果表明,文章所提出的基于未命名概念的类比推理方法能够提高类比推理的完整性,得到更多的类比结果.     

基于概念格的数据挖掘方法研究

分析了概念格与关联规则之间的关系,提出了将频繁项集及其支持度存储在概念格上,然后在创建好的概念格上提取关联规则的方法,概念格的每个节点本质上是一个最大项目集,非常有利于关联规则的提取。为了充分利用概念格实现关联规则提取,提出了一种新的概念格结构:加权概念格,并给出其渐进式构造算法及基于该格结构上的关联规则提取算法。     

概念格的算法及进展

概念格作为形式概念分析的核心数据结构,在机器学习、软件工程和信息获取等领域得到了广泛应用.本文简要介绍了概念格的基本概念,讨论了现有的建格算法以及概念格的研究方向。     

基于概念提升的概念格更新构造算法

概念格因其结构生动简洁地表明概念之间的泛化-例化关系,成为一种有效的数据挖掘工具.然而直接从形式背景中直接构造概念格的效率较低,为了提高概念格的构造效率,针对形式背景中的多个属性合并,给出了一种基于概念提升的概念格更新构造算法UCP.该算法充分利用了属性合并之前的概念格,仅对部分概念结点进行更新处理,从而提高了概念格的构造效率.最后,以恒星光谱数据作为形式背景,采用VC++6.0和Oracle9i为开发工具,实验验证了该算法的有效性.     

多粒度面向对象概念格的构造

目的研究多粒度面向对象概念格的构造。方法在单粒度面向对象概念格外延集上作并运算,得到多粒度面向对象概念的外延集,再运用下近似粒算子,得到多粒度面向对象概念的内涵集,进而构造多粒度面向对象概念格。结果给出了由单粒度面向对象概念格构造多粒度面向对象概念格的方法。结论多粒度面向对象概念格的提出进一步完善了概念格理论。     

基于边缘概念的概念格生成算法研究

提出了一种新的基于边缘概念的概念格生成算法.通过已求出的概念内涵及外延的交集和并集运算,分层构造概念格.和已有概念格的构造算法不同的是,本算法在求出边缘概念后就不再依赖于形式背景.该算法同时解决了跨层概念间的关系.最后结合实例说明了该算法的实现过程和有效性.     

基于概念背景的概念格启发式属性约简

提出了概念格的概念背景,在保持概念格中各概念外延不变的情况下,即保持概念背景的论域划分不变的情况下对概念格的属性集进行了约简,提出了概念格启发式属性约简算法,最后通过实例表明了该约简算法的可行性与有效性.     

一种使用概念近似度约简的序列模式挖掘方法

传统的序列模式挖掘算法虽然能够挖掘所有的频繁序列,但在挖掘海量数据时可能因结果规模过于庞大而无法理解．基于概念格的序列模式挖掘有效地减少了中间序列的生成数量,在时间性能上具有一定的优越性,而概念格的结构特点也为自身的约简提供了便利．本文提出了近似概念的定义,首先对交易数据库建格,然后约简满足近似条件的概念,减少了频繁1-序列的数量,进而减少了总的频繁序列的数量．实验表明,在允许一定误差的情况下该方法提高了挖掘结果的可理解性和挖掘效率．     

概念格构造算法实验对比分析

概念格作为形式概念分析理论中的核心数据结构,已经在很多领域得到了广泛的应用,国内外的研究人员已经提出一系列的构造概念格的算法。本文给出了三种算法的构造思想及理论上最坏情况下的时间复杂度,并通过实验分析了各种算法当参数变化时它们的时间复杂度的变化趋势。     

S-概念格

针对现实生活中，新的概念不断产生，旧的概念不断变化消亡，依据S-粗集理论与概念格理论，提出S-概念格理论，给出了S-概的两类形式：单向S-概念格，双向S-概念格，最后介绍了该理论的一个简单应用。     

基于关联格的概念格约简理论

研究概念格与其关联格之间的关系并给出了两者之间的同构定理,进而研究了由概念格的关联格来进行属性约简的理论与方法。     

合成背景的面向属性概念格生成

目的研究合成背景下面向属性概念格的生成。方法面向属性概念格理论。结果由两个简单形式背景的面向属性概念格获得了合成形式背景的面向属性概念理论。结论推广了已知结果,易于获得复杂形式背景的面向属性概念格,从而更有利于知识发现。     

一种新的模糊概念格及其构造方法

Will.R提出的概念格反映了对象与属性之间的精确关系,而在现实生活中,人类认识的大量概念都是模糊的,因此研究模糊概念格有着重要意义.提出了一种新的模糊概念格,讨论了它的性质以及构造方法,给出了模糊概念的构造算法.最后,用一个算例证明了该方法的有效可行性.