基于標(biāo)記有序樹模型的半結(jié)構(gòu)化數(shù)據(jù)中模式發(fā)現(xiàn)方法研究.pdf

1、該文介紹了數(shù)據(jù)挖掘、半結(jié)構(gòu)化數(shù)據(jù)、XML的相關(guān)概念和研究現(xiàn)狀.給出了一種基于XML研究一般半結(jié)構(gòu)化數(shù)據(jù)的方法.以標(biāo)記有序樹為半結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)模型,從基于最右擴(kuò)展枚舉技術(shù)的半結(jié)構(gòu)化數(shù)據(jù)最大模式挖掘方法研究、半結(jié)構(gòu)化數(shù)據(jù)模式的增量挖掘方法研究和基于分組計(jì)算的半結(jié)構(gòu)化數(shù)據(jù)頻繁模式挖掘方法研究三方面介紹了作者的一些研究成果.該文的主要貢獻(xiàn)和創(chuàng)新特色如下:1.為了利用XML對(duì)一般半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行研究,提出了一種基于XML存儲(chǔ)半結(jié)構(gòu)化數(shù)據(jù)的方法,

2、設(shè)計(jì)并實(shí)現(xiàn)了相應(yīng)存儲(chǔ)與解析算法.OEM模型是常用的半結(jié)構(gòu)化數(shù)據(jù)表示模型,其外存存儲(chǔ)通常依賴于某種難以解析和處理的自定義格式.XML在數(shù)據(jù)描述和數(shù)據(jù)交換等領(lǐng)域有著廣泛的應(yīng)用.鑒于OEM模型是一種圖狀模型,而通常的XML數(shù)據(jù)模型是樹狀模型,為此需解決圖狀模型數(shù)據(jù)映射為樹狀模型數(shù)據(jù)這一關(guān)鍵問(wèn)題,利用XML元素和屬性的語(yǔ)義信息可從語(yǔ)義級(jí)別解決該問(wèn)題.2.針對(duì)已有挖掘算法通常挖掘所有頻繁模式,而其中很多頻繁模式為其它模式的子模式問(wèn)題,該文設(shè)計(jì)實(shí)現(xiàn)

3、了一種最大模式挖掘算法.該算法采用最右擴(kuò)展枚舉方法無(wú)重復(fù)枚舉所有候選模式,利用頻繁模式擴(kuò)展森林實(shí)現(xiàn)高效剪枝擴(kuò)展和挖掘頻繁葉模式,通過(guò)計(jì)算頻繁葉模式間的包含關(guān)系挖掘樹狀最大頻繁模式.試驗(yàn)結(jié)果表明該算法具有良好性能.3.針對(duì)已有半結(jié)構(gòu)化數(shù)據(jù)模式挖掘算法難以對(duì)挖掘結(jié)果進(jìn)行增量式更新問(wèn)題,該文設(shè)計(jì)實(shí)現(xiàn)了一種增量式模式挖掘算法.該算法采用最右擴(kuò)展枚舉方法無(wú)重復(fù)枚舉所有候選模式,利用挖掘過(guò)程中形成的頻繁模式擴(kuò)展森林實(shí)現(xiàn)高效剪枝,并采用基于Hash計(jì)

4、算樹比較技術(shù)以提高模式樹集合交集運(yùn)算效率.為評(píng)價(jià)該方法的性能,針對(duì)不同參數(shù)條件下的數(shù)據(jù)進(jìn)行了比較試驗(yàn),試驗(yàn)結(jié)果表明該算法效率相對(duì)非增量模式挖掘算法有明顯提高.4.針對(duì)已有模式挖掘算法難以處理規(guī)模較大的半結(jié)構(gòu)化數(shù)據(jù)問(wèn)題,該文設(shè)計(jì)實(shí)現(xiàn)了基于分組計(jì)算的頻繁模式挖掘算法.為了解決大數(shù)據(jù)量條件下的模式挖掘問(wèn)題,該算法采用了分組挖掘方法,并利用單組挖掘過(guò)程中形成的頻繁模式擴(kuò)展森林實(shí)現(xiàn)高效剪枝和模式支持計(jì)數(shù)的增量計(jì)算.該算法還采用了最右擴(kuò)展枚舉方法無(wú)