多层次属性值下概念格的动态转化研究.pdf

多层次属性值下概念格的动态转化 225 多层次属性值下概念格的动态转化+ 张亮胡学钢 合肥工业大学计算机与信息学院安徽合肥230009 摘要：概念格反映了概念问泛化与例化、外延与内涵的关系，是描述数据的重要模型，是近年来 获得飞速发展的数据分析与规则提取的有力模型。然而已有的概念格模型大多针对静态数据库，属性 值只是从单层次上的数据取值。而在实际的数据挖掘中，用户往往需要以更高层次的值来替换低层次 的值。为此本文提出一种多层次属性取值下的概念格的转化算法，来解决这种属性值层次替换的问题。 关键词：概念格多层次属性值数据挖掘 口 数据挖掘是从大量的数据中提取一些隐含的、未知的、非平凡的及有潜在应用价值的信息或模式，数 据挖掘的实质就是一种粒度转换，就是将以原始数据形式描述的信息转抉为以抽象的关系描述的知识形式。 数据挖掘中常用的操作是以更高层次的值来替换低层次的值。因此，需要在数据挖掘的相关模型中体现这 种转换过程。最早将此方法运用于数据挖掘中是由№n等人提出的AOI(面向属性归纳的方法)，它的主要 思想是根据各个属性的概念层次树和属性阈值，将关系数据库中的各个记录的各个属性上的低层属性值转 换为相应的高层概念并删去由此得到的重复记录“JIzJ【j】。 数据分析的有效工具。概念格的每个节点是一个由外延和内涵组成的形式概念，其中外延是概念所覆盖的 实例，而内涵则是概念该概念覆盖实例的共同特征。另外，概念格可通过Hasse图形象地描述概念间的泛化 和特化关系。目前，概念格在信息检索、数字图书馆、软件工程和知识发现等方面得到应用。 然而，在目前已有的将概念格模型应用在数据挖掘算法中。都缺少了对多层次属性值变化的灵活应付， 如果属性取值层次发生变化，如以高层次的属性值替代低层次的值，再进行规则的提取时重新建格比较耗 时。而在已有的概念格中根据属性值的变化，来调整节点并产生新格能有效的节省时阉，因此。本文根据 这一需要，提出一种多层次属性值下概念格的转化算法。 本文结构如下：第2节简要介绍了概念格相关的一些基本定义。第3节详细的讨论了以更高层次的值 来替换低层次的值前后概念的变化以及相应的操作过程。第4节中给出了以更高层次的值来替换低层次的 值后概念格的动态转化的算法。第5节给出实验结果及讨论。 2概念格简介 本节简要介绍概念格的基本概念，关于概念格的详尽描述可参考文‘”。 间的一个二元关系，则存在唯一的一个偏序集合与之对应，并且这个偏序集合产生一种格结构，这种由背 ’作者简介：张亮，男．硕士研究生，研究方向为数据挖掘；胡学钢。博士，教授，合肥工业大学计算机与信息学院，研究 方向：知识工程，数据挖掘． 226 计算机技术与应用进展·2006 xEP(O)称为概念的外延：Y∈P(D)称为概念的内涵。每一个序偶关于关系R是完各的，即有性质： 1)X’_(y∈DIxRy对所有x∈Xl 2)Y’={xEOlxRy对所有yeY)。(+) 在概念格节点间能够建立起一种偏序关系。给定HI=(X1，Y1)和l 就存在一条边。表1表示了一个目标数据库，图1是相应的概念格的Hasse图。 Ⅲ，而—焉岁嚆睾鼍蟊；_～斋，，({ljj)， ({jj ({l甜，， (椰』’， (‘f)，’ 焉哜爿”。公，， 。垅熊氧八时於嘏， ‘k鹣馨差型掣掣u” 3多层次属性值下概念格转化的方法 考虑到内涵之间的包含关系，也要考虑到外延之间的从属关系，转变后格中概念会发生合并、更新、删除 等操作，也可能会产生新的概念。 比较原始格和变化后格中的概念之间的关系，有以下的命题： 分为以下五种类型： 1不变概念：是原格GCL中保留到新格GCL’中的节点。 2合并概念：在原格中存在的两个或多个概念，因为以高层次的值