收藏本站
收藏 | 论文排版

基于形式概念分析的Folksonomy知识发现研究

张云中  
【摘要】:Web向社会化与语义化的不断演进和信息资源组织理论的不断革新共同促生了folksonomy并推动其不断发展,而folksonomy的不断优化又离不开folksonomy知识发现理论的支撑,同时形式概念分析、本体等理论的发展又为folksonomy知识发现注入了新的活力,一种基于形式概念分析的folksonomy知识发现理论呼之欲出! 回顾当前folksonomy知识发现理论的优势劣态,虽在folksonomy知识发现的各个主要方向取得了一些散落的成果,体现于folksonomy用户行为、folksonomy用户偏好和folksonomy语义关系等方面,但仍未建立完善的将三者统一到一套完整框架下的Folksonomy知识发现理论体系,更缺少对对Folksonomy知识发现的基本原理、基本方向、目标产物、技术工具和详细流程等全面介绍与阐述。 基于形式概念分析的folksonomy知识发现理论为弥补上述缺陷提供了可能。在确立folksonomy是数据,形式概念分析是工具,知识发现是目标的角色定位后,基于形式概念分析的folksonomy知识发现螺旋演进模型应运而生,其高度概括了基于形式概念分析的folksonomy知识发现的组成要素、角色要素、功能要素及各个要素之间的紧密关系,并将基于形式概念分析的folksonomy知识发现过程归纳为问题定义、数据获取、数据准备、数据组织、数据挖掘、知识生成和评估反馈七个阶段。另外,在用户需求和数据组织的一唱一和下,基于形式概念分析的folksonomy知识发现核心方向的歧化也通过folksonomy多值形式背景的选择得以实现,folksonomy的用户行为背景、用户偏好背景和语义关系背景分别决定了基于形式概念分析的folksonomy知识发现的三大方向。 基于形式概念分析的folksonomy用户行为分析以单用户的用户标记行为、用户群的聚集与形成、用户群标记行为和用户群的遴选为知识发现目标,通过基于形式概念分析的folksonomy用户行为分析模型,先利用folksonomy数据集构建相应的folksonomy用户行为形式背景——“用户-标签”形式背景FU:= (U,T×R,YU)并将其转换为folksonomy用户行为概念格,并在folksonomy用户行为概念格分析的基础上使用回溯法获取folksonomy单用户用户标记行为链,使用用户群层级结构映射规则获取folksonomy用户群层次树,使用FREtirj计算公式获取folksonomy用户群标记行为频率,使用folksonomy用户群遴选的规则遴选出folksonomy典型用户群。folksonomy用户行为分析为folksonomy用户偏好挖掘提供活跃用户、典型用户群及folksonomy用户标记行为频率等参数,为folksonomy语义关系发现提供低频标签过滤、稳态folksonomy系统判断及语义浮出判断的依据。 基于形式概念分析的folksonomy用户偏好挖掘以folksonomy用户偏好树的构建为目标,通过基于形式概念分析的folksonomy用户偏好挖掘模型,分别从活跃单用户和典型用户群的用户偏好各自的数据集出发构建相应的folksonomy用户偏好形式背景——“资源-用户”形式背景FR:= (R,U×T,Y~R),并分别将单用户folksonomy用户偏好形式背景和用户群folksonomy用户偏好形式背景转化为各自的用户偏好概念格。通过在概念格基础上识别用户偏好,并借鉴TF/IDF原理充分考虑了用户偏好的“频率”和“普遍重要性”两项因素,分别提出了folksonomy单用户偏好权重计算公式和folksonomy用户群偏好权重计算公式,进而分别利用相应的用户偏好权重计算公式(PW公式)和用户偏好相似度计算公式(PS公式)遴选单用户的用户偏好和用户群的用户偏好,最终构建folksonomy用户偏好树来表示folksonomy用户偏好知识。 基于形式概念分析的folksonomy语义关系发现以发现folksonomy中的隐含语义为目标,确立了本体在folksonomy语义关系表示中的重要作用,通过基于形式概念分析的folksonomy语义关系发现模型,从“语义浮出”的稳态folksonomy的数据集出发构建相应的folksonomy语义关系形式背景——“资源-标签”形式背景FR:= (R,T×U,Y~R),并将之转化为相应的概念格。在folksonomy语义关系概念格基础上,利用folksonomy语义关系概念格向folksonomy局部本体的映射规则,得出相应的folksonomy局部本体模型,之后选用合适的本体编辑工具(如protégé等)和本体描述语言(如owl语言)对folksonomy局部本体模型进行形式化,最终得到一个形式化的揭示folksonomy各种隐含语义关系的folksonomy局部本体。 基于形式概念分析的folksonomy知识发现的理论体系充分利用了folksonomy多值形式背景的不同形式适宜地表示了folksonomy知识发现的三大核心方向,并针对不同类型的概念格分别提出了相应的模式识别和知识解释方式,从而依托概念格实现了folksonomy知识发现。另外,基于形式概念分析的folksonomy知识发现的螺旋演进思想也为获取用户满意的folksonomy知识提供了保障。经过在Delicious系统数据的测试,基于形式概念分析的folksonomy知识发现理论具有创新性、科学性、合理性和操作性。 基于形式概念分析的folksonomy知识发现理论不仅深化了folksonomy理论研究,也拓展了知识发现理论的内涵和外延,最重要的是揭示了基于形式概念分析的folksonomy知识发现的客观规律。该理论必将提高folksonomy系统中知识发现的效率和能力,进而带来folksonomy自身的不断优化,最终促进web2.0下folksonomy的不断发展和广泛应用。因此,无论是理论上还是实践上,基于形式概念分析的folksonomy知识发现理论都具深远意义!


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 韩惠琴,刘柏嵩,董其军;知识发现在数字图书馆中的应用[J];大学图书馆学报;2001年01期
2 张春华,李迪,陈生隘;焊接车间管理中融合知识发现的探讨和实践[J];现代制造工程;2001年12期
3 范洪冬,高奋生;土地数据库中的数据挖掘[J];农业网络信息;2005年11期
4 王志宏;;数据库中的知识发现概述[J];商场现代化;2006年24期
5 戴泳;;知识发现与知识挖掘技术及其应用[J];科技情报开发与经济;2007年26期
6 张龙;肖琬蓉;王博;;数据挖掘技术及其应用[J];甘肃科技;2007年11期
7 邱晓辉;;知识发现与数据挖掘分析[J];情报探索;2011年01期
8 楼伟进,孔繁胜;软件组件技术与知识发现系统[J];微型电脑应用;1999年12期
9 应飚,楼伟进;软件组件技术与知识发现系统[J];计算机工程与设计;2000年06期
10 冀俊忠,沙志强,刘椿年,郎青;B2C电子商务站点中知识发现的研究[J];北京工业大学学报;2003年02期
11 叶飞跃;;远程教学系统与数据挖掘[J];阴山学刊(自然科学版);2003年02期
12 彭景芹,刘振明,赵可新;人工智能技术在配电自动化中的应用[J];微计算机信息;2005年08期
13 谢永红,阿兹古丽.吾拉木,杨炳儒;一个通用型知识发现系统中数据预处理的实现[J];计算机应用研究;2005年11期
14 刘多兰;隐性知识的发现与利用[J];情报杂志;2005年10期
15 石军;数据挖掘在高校图书馆的应用[J];江西图书馆学刊;2005年03期
16 谢含;;数据挖掘在中医药文献研究中的应用[J];中医药信息;2005年06期
17 谢含;谢漫;;数据挖掘——未来图书馆参考咨询工作的新方法[J];高校图书馆工作;2006年01期
18 朱红蕾;徐志刚;李明;刘密霞;;概念格的知识发现研究[J];微计算机信息;2006年06期
19 张丽;;数据仓库与数据挖掘[J];贵州民族学院学报(哲学社会科学版);2006年02期
20 胡中栋;张杰;;数据挖掘在美容美体中心的应用[J];电脑开发与应用;2007年04期
中国重要会议论文全文数据库 前10条
1 杨光飞;党延忠;;不完美数据中的知识发现研究综述[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
2 董伯儒;林少培;王永文;;工程建设MIS中的知识发现和深化[A];中国土木工程学会计算机应用分会第七届年会论文集[C];1999年
3 张世海;刘晓燕;涂庆;欧进萍;王光远;;知识发现及其在高层结构智能选型中应用[A];计算机技术在工程建设中的应用——第十二届全国工程建设计算机应用学术会议论文集[C];2004年
4 万家华;刘冰;江早;;知识发现中的可视化技术[A];第十七届全国数据库学术会议论文集(研究报告篇)[C];2000年
5 赵荣珍;杨娟;黄显华;;粗糙集理论的故障知识发现及其工程应用模式研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
6 董伯儒;林少培;王永文;;工程建设MIS中的知识发现和深化[A];中国土木工程学会计算机应用分会第七届年会土木工程计算机应用文集[C];1999年
7 段培俊;周东岱;;数据挖掘研究综述[A];2003年中国智能自动化会议论文集(下册)[C];2003年
8 张文修;徐萍;米据生;吴伟志;;知识系统与知识发现[A];中国系统工程学会模糊数学与模糊系统委员会第十一届年会论文选集[C];2002年
9 阮鸣梁;陈维默;;数据挖掘技术的发展与应用[A];福建省科协第五届学术年会数字化制造及其它先进制造技术专题学术年会论文集[C];2005年
10 杜培军;方涛;林卉;;遥感影像库中数据挖掘与知识发现的研究[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
中国博士学位论文全文数据库 前10条
1 谢宗霞;太阳宁静区磁场流场特性知识发现的方法研究[D];哈尔滨工业大学;2010年
2 张云中;基于形式概念分析的Folksonomy知识发现研究[D];吉林大学;2012年
3 杨立;基于领域知识的知识发现研究[D];中国科学院研究生院(软件研究所);2005年
4 陈元;基于分类模型的知识发现过程研究[D];国防科学技术大学;2002年
5 李初民;基于网络管理数据库中性能数据的知识发现(KDD)研究[D];重庆大学;2001年
6 李刚;知识发现的图模型方法[D];中国科学院软件研究所;2001年
7 谢志鹏;基于概念格模型的知识发现研究[D];合肥工业大学;2001年
8 吴涛;构造性知识发现方法研究[D];安徽大学;2003年
9 刘刚;数据挖掘技术与分类算法研究[D];中国人民解放军信息工程大学;2004年
10 汤永川;关于不确定性推理理论与知识发现的研究[D];西南交通大学;2002年
中国硕士学位论文全文数据库 前10条
1 薛静;专家信息管理系统在CRM中的研究与应用——基于java技术的构架[D];西北工业大学;2001年
2 陈红叶;Web信息提取及知识发现方法研究[D];合肥工业大学;2002年
3 迟庆云;基于决策树的分类算法研究和应用[D];山东师范大学;2005年
4 王益玲;基于DCS实时信息的智能故障诊断系统的研究与设计[D];南京工业大学;2003年
5 李长源;关联规则挖掘算法研究[D];哈尔滨工程大学;2005年
6 郭国印;数据挖掘技术的研究及其在PLM中的应用[D];西北工业大学;2005年
7 谷宏群;数据挖掘中可视化方法研究[D];武汉大学;2005年
8 梁利莉;数据挖掘技术在CRM中的应用研究[D];首都经济贸易大学;2005年
9 刘娟;中药药对的量化分析与知识发现[D];成都中医药大学;2005年
10 黄律;基于粗糙集的多分类器组合及其在知识发现中的应用研究[D];长沙理工大学;2005年
中国重要报纸全文数据库 前10条
1 张德政;信息挖掘商业智能之“芯”[N];中国计算机报;2002年
2 中国科学院计算技术研究所 刘毅勇 何雄 李金山 廖浩均 孟亮 邓柱中;空间数据挖掘:变数据为知识[N];计算机世界;2005年
3 胡虎;突出信息化贡献水平 处理好三个关系[N];人民邮电;2007年
4 陈志楠;挖掘“不为人知的艺术”[N];科技日报;2009年
5 尤红梅;蔡雪晴:优势在于执行[N];中国企业报;2004年
6 汤天浩;人工智能技术:未来船舶系统的灵魂[N];中国船舶报;2005年
7 涂序彦 陈泓娟;在网络信息海洋中淘金[N];计算机世界;2001年
8 马炳厚;知识开发的创新成果[N];科技日报;2005年
9 本报记者  胡其峰;科技信息资源如何助力自主创新[N];光明日报;2006年
10 王广宇;如何游出“数据海洋”?[N];计算机世界;2003年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978