基于两次剪枝的完全加权关联规则挖掘算法

完全加权关联规则挖掘在信息检索查询扩展领域中有着很高的应用价值.在深入研究现有算法的基础上,提出基于两次剪枝的完全加权关联规则的挖掘算法,给出与其相关的定理,进行相应的实验.该算法采用两次剪枝策略,候选项集数量和挖掘时间明显减少,挖掘效率得到提高.实验结果表明了该算法的有效性,与现有算法比较,挖掘效率确实得到改善.     

基于加权正负关联规则挖掘的信息检索系统研究

介绍了基于关联规则挖掘的信息检索模型的研究现状,提出一种基于加权正负关联规则挖掘的信息检索系统模型,阐述了该模型的设计思路、各模块的功能及其检索算法,为信息检索研究提供一些新的思路。     

基于Web的数据挖掘技术

Web数据挖掘有很多研究热点,其中关联规则挖掘是Web数据挖掘领域研究的一个重要方面.本文首先对数据挖掘、Web数据挖掘和Web数据预处理等相关知识进行了阐述;然后研究了关联规则基本理论及关联规则经典算法;最后为了解决现实数据库中每个项目的分配不均匀性和重要性差异,重点研究了加权关联规则挖掘算法.     

基于正负关联规则融合的信息检索模型

将负关联规则挖掘技术应用于信息检索,提出一种基于正负关联规则融合的信息检索模型。重点论述模型的设计思想、各模块的功能以及模型实现的关键技术,最后详细描述其检索算法。实验结果表明,该模型有效,能提高信息检索性能,具有很高的理论价值和广阔的应用前景。     

自适应遗传模拟退火的Web日志关联挖掘

提出一种基于自适应遗传模拟退火策略的Web日志关联规则挖掘算法。该算法在遗传模拟退火策略基础上,引入自适应的交叉概率和变异概率,使其具有较强的全局搜索能力,有效地避免了早熟的现象。实验结果证明,该算法能有效地解决Web日志关联规则挖掘问题。     

基于关联规则的大型关系数据库超文本查询算法研究

当前超文本查询算法存在查询关键词和超文本用词不匹配的问题,导致查询精度低,效率低下。为此,提出一种新的基于关联规则的大型关系数据库超文本查询算法,对权重计算过程、关联规则算法和信息检索模型进行分析。利用起始查询结果的前几篇超文本对关联规则进行挖掘,选取包含起始查询项的关联规则建立规则数据库,挑选出和查询词相关度最高的几个词作为扩展词,和起始查询结合成新的查询后重新查询,通过K-means聚类算法对新的查询结果进行聚类解析,求出各篇超文本的最后相关度,按照降序顺序对相关度进行排列,输出查询结果。实验结果表明,所提算法精度和效率高。     

AWAR算法在信息检索查询扩展中的研究

针对目前常用的信息检索算法普遍存在查询性能不高的问题。本文提出了一种基于AWAR算法的信息检索扩展查询模型,该模型首先采用传统向量空间模型算法对检索目标进行初检,然后利用最小完全加权置信度阈值生成完全加权关联规则,最后根据规则提取扩展词,得到查询结果。实验表明,基于AWAR算法的信息检索扩展查询模型的检索性能比传统向量空间模型算法和基于局部上下文分析的查询扩展的检索算法要高。     

基于关联规则的个性化信息检索系统研究

针对信息检索的个性化需求，分析了关联规则的基本概念以及它在个性化信息检索中的运用，提出了基于关联规则的个性化信息检索系统，并给出这个系统的设计思想和体系结构，最后介绍了这个系统的主要模块功能。     

基于概念格特征分区的多源信息检索优化

在数字化信息系统中,将大量网络计算资源、存储资源与软件资源等多源信息资源进行多层次异构存储,对信息资源的调度和检索成为难题。传统的多源信息检索方法采用概念格差异融合算法,无法有效识别差异化网络数据的语义特征,检索性能不好。提出一种基于概念格特征分区的多源信息检索优化算法。概念格的生成是进行数据分析、关联分析和挖掘关联规则的前提,首先给出概念格的构造模型,进行概念格特征分区,得到数据库集合的特征概率函数密度,构建满足约束条件的无冗余概念格,计算多源信息的两种相似度系数,挖掘约束关联规则,提高信息检索精度。仿真实验表明,该算法实现多源信息检索性能优越,无偏性好,精度较高。     

关联规则在图书馆中的应用

介绍了关联规则的相关概念及理论知识,然后针对关联规则的经典算法Apriori算法提出了改进,即Apriori-high算法,以及改进算法的好处,最后介绍了关联规则在图书馆中的应用,可以提高读者的效率,更好的为读者服务。