概念描述特征化与比较.ppt

解析特征化——示例(2)1.数据收集目标类：研究生对比类：本科生2.使用保守的阀值Ui和Ti进行AOI属性删除name和phone#属性概化概化major,birth_place,birth_date和gpa进行累积计数候选关系：gender,major,birth_country,age_range和gpa第30页，共63页，星期日，2025年，2月5日目标类候选关系：研究生(?=120)对比类候选关系：本科生(?=130)(可以在类比较时使用）解析特征化——示例(3)第31页，共63页，星期日，2025年，2月5日3.相关性分析计算给定的样本分类所需要的期望信息计算每个属性的熵:e.g.majorNumberofgradstudentsin“Science”Numberofundergradstudentsin“Science”解析特征化——示例(4)第32页，共63页，星期日，2025年，2月5日如果样本根据major划分，则计算给定的样本进行分类所需的期望信息：计算该属性的信息增益：所有属性的信息增益解析特征化——示例(5)第33页，共63页，星期日，2025年，2月5日4.导出初始工作关系R=0.1（临界值）从候选关系中去处不相关/弱相关的属性=去处gender,birth_country因为类描述任务是类特征化，所以这里去处候选对比类关系5.在W0上用进行不保守的AOI初始目标类工作关系W0:研究生解析特征化——示例(6)第34页，共63页，星期日，2025年，2月5日挖掘类比较：区分不同的类类比较挖掘的目标是得到将目标类与对比类相区分的描述。目标类和对比类间必须具有可比性，即两者间要有相似的属性或维。本科生VS.研究生；studentVS.address很多应用于概念描述的技巧可以应用于类比较，比如属性概化。属性概化必须在所有比较类上同步进行，将属性概化到同一抽象层后进行比较。CityVScountry第35页，共63页，星期日，2025年，2月5日类比较的过程数据收集通过查询处理收集数据库中相关的数据，并将其划分为一个目标类和一个或多个对比类维相关分析使用属性相关分析方法，使我们的任务中仅包含强相关的维同步概化同步的在目标类和对比类上进行概化，得到主目标类关系/方体和主对比类关系/方体导出比较的表示用可视化技术表达类比较描述，通常会包含“对比”度量，反映目标类与对比类间的比较(e.gcount%)第36页，共63页，星期日，2025年，2月5日类比较的有效实施目标类和对比类的同步概化，以在相同抽象级别上进行类比较使用数据立方体技术有效的实施类比较引入一个标志位（数据立方体的一个新维）来表示目标类或对比类目标类和对比类除了这个新维外，其他部分在数据立方体中的表示是相同的通过上卷和下钻来同步概化或具体化第37页，共63页，星期日，2025年，2月5日类比较挖掘——示例（1）任务比较Big-University本科生和研究生的一般特征任务的DMQL描述useBig_University_DBminecomparisonas“grad_vs_undergrad_students”inrelevancetoname,gender,major,birth_place,birth_date,residence,phone#,gpafor“graduate_students”wherestatusin“graduate”versus“undergraduate_students”wherestatusin“undergraduate”analyzecount%fromstudent第38页，共63页，星期日，2025年，2月5日类比较挖掘——示例（2）进行类比较挖掘的输入：给定的属性：name,gender,major,birth_place,birth_date,residence,phone#andgpa在属性ai上定义的概念分层Gen(ai)在属性ai上定义的属性分析临界值Ui在属性ai上定义的属性概化临界值Ti属性相关性临界值R第39页，共63页，星期日，2025年，2月5日类比较挖掘——示例（3）任务的处理过程数据收集DMQL查询转化为关系查询，得到初始目标类工作关系和初始对比类工作关系可以看成使构造数据立方体的过程引入一个新维status