基于正負(fù)關(guān)聯(lián)規(guī)則的Web文檔分類研究.pdf

1、關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中重要內(nèi)容之一,旨在發(fā)現(xiàn)大量數(shù)據(jù)中項(xiàng)集之間的關(guān)聯(lián)或相關(guān)關(guān)系。將關(guān)聯(lián)規(guī)則挖掘技術(shù)應(yīng)用于Web文檔分類,可以更有效地組織和管理海量的Web信息,更快地查找網(wǎng)絡(luò)上的信息。然而,目前大多研究者在Web文檔分類中僅僅涉及到了正關(guān)聯(lián)規(guī)則挖掘,而較少涉及負(fù)關(guān)聯(lián)規(guī)則。負(fù)關(guān)聯(lián)規(guī)則可以發(fā)現(xiàn)項(xiàng)集之間的負(fù)關(guān)聯(lián)關(guān)系,是對(duì)正關(guān)聯(lián)規(guī)則挖掘技術(shù)的補(bǔ)充,將負(fù)關(guān)聯(lián)規(guī)則挖掘技術(shù)應(yīng)用于Web文檔分類,就可以發(fā)現(xiàn)那些負(fù)相關(guān)的Web文檔,從而提高Web文檔分

2、類的正確度。然而,如何把負(fù)關(guān)聯(lián)規(guī)則應(yīng)用于Web文檔分類還是一個(gè)新問題,為此,本文對(duì)這一問題進(jìn)行了討論,并提出了一種基于正負(fù)關(guān)聯(lián)規(guī)則的Web文檔分類方法。
　　 本文介紹了目前Web文檔分類所涉及的分類方法,并對(duì)國(guó)內(nèi)外正負(fù)關(guān)聯(lián)規(guī)則的研究現(xiàn)狀進(jìn)行了總結(jié),提出了一種基于正負(fù)關(guān)聯(lián)規(guī)則的Web文檔分類方法。該方法中首先對(duì)Web文檔進(jìn)行預(yù)處理,將非結(jié)構(gòu)化的數(shù)據(jù)變成結(jié)構(gòu)化數(shù)據(jù),從而建立起新的事務(wù)集合；然后利用Apriori算法求出頻繁2-項(xiàng)集