基于GMM的文本规则挖掘的粗糙集方法研究

• 作者: 万仲保 张薇 洪壮壮 高梦茜 黄兆华
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 混合数据 规则挖掘 高斯混合模型 粗糙集 属性约简 决策规则
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信息抽取与文本挖掘
• 页码范围: 56-62
• 页数: 7页
• 分类号: TP391
• 字数: 5865字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2020.02.007

摘要

领域文本具有结构复杂、相似性高以及动态变化等特点,且存在着连续型与离散型并存的混合数据,这在一定程度上限制了知识发现方法对文本规则的挖掘效率.针对这一问题,该文提出了基于GMM与粗糙集的文本规则挖掘方法.该方法首先根据目标数据的属性类型构造信息表;然后利用高斯混合模型(GMM,Gaussian mix-ture model)聚类算法对连续数据进行聚类划分,依此对数据进行离散化及状态约简,并生成决策表;最后利用粗糙集理论对决策表进行属性约简,通过约简表对决策规则进行提取.实验结果表明:相比于传统的方法,该文方法拥有更高的抽取精度以及较强的属性约简能力,其信息抽取的平均准确率与F1值能够达到95％和95.7％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄兆华	华东交通大学软件学院	23	179	7.0	13.0
2	万仲保	华东交通大学软件学院	24	194	6.0	13.0
3	张薇	华东交通大学软件学院	6	10	2.0	3.0
4	洪壮壮	华东交通大学软件学院	2	1	1.0	1.0
5	高梦茜	华东交通大学软件学院	1	1	1.0	1.0