基于多關(guān)系轉(zhuǎn)化的分類方法研究.pdf

1、隨著信息技術(shù)的快速發(fā)展和廣泛應用，每天都在產(chǎn)生大量的數(shù)據(jù)。如何在“數(shù)據(jù)豐富，但信息貧乏”的環(huán)境中發(fā)現(xiàn)有價值的、有趣的、具有指導意義知識，是數(shù)據(jù)挖掘的重要任務。同時，數(shù)據(jù)挖掘也受到了越來越多研究者的關(guān)注。而分類研究作為數(shù)據(jù)挖掘的重要課題，被廣泛地應用于商業(yè)決策、醫(yī)療診斷等方面。
　　結(jié)構(gòu)化的關(guān)系數(shù)據(jù)作為分類研究的主要對象，通常來源于真實的關(guān)系數(shù)據(jù)。然而，直接從關(guān)系數(shù)據(jù)庫中獲得的多關(guān)系數(shù)據(jù)，相比較于單一的關(guān)系數(shù)據(jù)而言，更具有天然性。但

2、傳統(tǒng)分類方法儀適用于單一關(guān)系的數(shù)據(jù)。因此，為了將傳統(tǒng)的分類方法應用于多關(guān)系數(shù)據(jù)中，并做出有效的分類預測，需要建立一個從多關(guān)系到單關(guān)系的橋梁，將多關(guān)系數(shù)據(jù)有效地轉(zhuǎn)換為傳統(tǒng)分類方法能處理的單關(guān)系數(shù)據(jù)。所以，本文基于多關(guān)系轉(zhuǎn)化這一主要思想，構(gòu)造了多關(guān)系轉(zhuǎn)化模型，并在此基礎(chǔ)上提出了IWT以及MRT兩種算法。它們分別利用不同策略，有效地提高了多關(guān)系轉(zhuǎn)化的效率，解決了轉(zhuǎn)化過程中的統(tǒng)計偏差及衍生問題，并獲得了較好的預測效果。
　　本文的研究工作

3、從以下幾個方面展開：
　　(1)建立高效的連接路徑。通過分析關(guān)系間連接屬性的對應關(guān)系，利用廣度優(yōu)先遍歷方法，重新對連接樹進行構(gòu)造。提高了傳遞的效率。
　　(2)構(gòu)建關(guān)系選擇模型。從多關(guān)系全局來看：在多關(guān)系數(shù)據(jù)中，目標關(guān)系儀儀有一個，而關(guān)系數(shù)據(jù)庫中包含了海量的背景關(guān)系。在這些背景關(guān)系中，并不是每一個關(guān)系都包含了對用戶或者分類具有重要意義的屬性。因此，為了提高挖掘效率，構(gòu)建關(guān)系選擇模型，消除冗余關(guān)系是轉(zhuǎn)化過程的重要基礎(chǔ)。

4、　　(3)提出基于多關(guān)系數(shù)據(jù)的特征選擇方法。從關(guān)系內(nèi)部看：并不是所有屬性都是用廣關(guān)心的或者對類別有較大區(qū)分性的。因此，在多關(guān)系的數(shù)據(jù)中進行特征選擇，有利于預測性能和效率提高。
　　(4)轉(zhuǎn)化過程中統(tǒng)計偏差問題的分析和處理。關(guān)系間元組的一對多映射和多對一映射，以及轉(zhuǎn)化過程中的空值問題，是引起屬性重要性在轉(zhuǎn)化前后不一致的根本原因。因此，本文提出了基于元組轉(zhuǎn)化和實例加權(quán)轉(zhuǎn)化兩種解決策略，保持轉(zhuǎn)化前后屬性的重要性一致。實驗證明，轉(zhuǎn)化策略在