本文關(guān)鍵詞：基于約束網(wǎng)絡(luò)的因果關(guān)聯(lián)規(guī)則挖掘研究　出處：《計算機科學(xué)》2016年S2期 　論文類型：期刊論文

  更多相關(guān)文章： 因果關(guān)聯(lián)規(guī)則 約束網(wǎng)絡(luò) 因果關(guān)系結(jié)構(gòu) 有限表

【摘要】：因果關(guān)聯(lián)規(guī)則是知識庫中一類特殊且重要的知識類型,相對一般關(guān)聯(lián)規(guī)則,其優(yōu)勢在于能夠揭示深層知識。首先對因果關(guān)系的特征和因果關(guān)聯(lián)規(guī)則的挖掘方法進(jìn)行了簡介。針對在挖掘初始階段如何限定可能導(dǎo)致結(jié)果的原因變量集合這一問題,運用了約束網(wǎng)絡(luò)原理來構(gòu)建一個實際系統(tǒng)變量間的因果關(guān)系結(jié)構(gòu)。通過該因果關(guān)系結(jié)構(gòu)可以比較容易地導(dǎo)出原因變量集合及各變量的類型,從而降低挖掘的復(fù)雜性,為提高挖掘結(jié)果的準(zhǔn)確性提供有利條件。約束網(wǎng)絡(luò)的引入優(yōu)化了因果關(guān)聯(lián)規(guī)則的挖掘過程,使之趨于更完備。
[Abstract]:Causal association rules are a kind of special and important knowledge types in knowledge base, which are relative to general association rules. Its advantage lies in its ability to reveal deep knowledge. Firstly, the characteristics of causality and the mining method of causal association rules are introduced. How to define the set of cause variables that may lead to the result in the initial stage of mining is introduced. The problem. The causality structure of a real system variable is constructed by using the principle of constraint network, through which the set of cause variables and the types of variables can be easily derived. In order to reduce the complexity of mining and provide favorable conditions for improving the accuracy of mining results, the introduction of constraint networks optimizes the mining process of causal association rules and makes them more complete.
【作者單位】： 中國勞動關(guān)系學(xué)院數(shù)學(xué)與計算機部;江西師范大學(xué)計算機信息工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61202209) 江西省教育廳科技項目(GJJ13229)資助
【分類號】：TP311.13
【正文快照】： 1引言關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘中最為成熟的領(lǐng)域之一。但一般的關(guān)聯(lián)規(guī)則也存在不足之處,即規(guī)則更多體現(xiàn)的是“聯(lián)系”而非“因果”。因果關(guān)聯(lián)規(guī)則就是指規(guī)則的前件與后件之間存在因果關(guān)系,由于“因”的出現(xiàn)而導(dǎo)致“果”的發(fā)生。因果關(guān)聯(lián)規(guī)則具有兩個特點:1)規(guī)則的前件與后件之間不但

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 胡健;謝霖銓;楊炳儒;;基于模糊狀態(tài)描述的因果關(guān)聯(lián)規(guī)則的提取過程[J];南昌大學(xué)學(xué)報(理科版);2008年02期

2 崔陽;楊炳儒;;知識發(fā)現(xiàn)中的因果關(guān)聯(lián)規(guī)則挖掘研究[J];計算機工程與應(yīng)用;2009年31期

3 李連民;曹鋒;吳慶濤;云剛;;基于時序因果關(guān)聯(lián)的網(wǎng)絡(luò)取證研究[J];電腦知識與技術(shù);2010年22期

4 楊炳儒,綦艷霞;KDD中因果關(guān)聯(lián)規(guī)則的評價方法[J];軟件學(xué)報;2002年06期

5 張建林,楊炳儒;KDD中一類發(fā)現(xiàn)因果關(guān)聯(lián)規(guī)則的新算法[J];首都師范大學(xué)學(xué)報(自然科學(xué)版);1999年03期

6 ;[J];;年期

相關(guān)會議論文 前1條

1 王應(yīng);;基于時間屬性的多源日志因果關(guān)聯(lián)算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

相關(guān)碩士學(xué)位論文 前1條

1 溫勇;基于懶惰學(xué)習(xí)的顯露模式分類算法研究[D];合肥工業(yè)大學(xué);2015年

，

本文編號：1385833