知识发现中的因果关联规则挖掘研究

doi:10.3778/j.issn.1002-8331.2009.31.003

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (31): 9-11.DOI: 10.3778/j.issn.1002-8331.2009.31.003

知识发现中的因果关联规则挖掘研究

崔阳，杨炳儒

北京科技大学信息工程学院，北京 100083

收稿日期:2009-08-21 修回日期:2009-09-27 出版日期:2009-11-01 发布日期:2009-11-01
通讯作者: 崔阳

Research on causal association rule mining in knowledge discovery

CUI Yang，YANG Bing-ru

Department of Computer Science and Engineering，University of Science and Technology Beijing，Beijing 100083，China

Received:2009-08-21 Revised:2009-09-27 Online:2009-11-01 Published:2009-11-01
Contact: CUI Yang

摘要/Abstract

摘要： 因果关联规则是知识库中一类重要的知识类型，具有重要的应用价值。首先对因果关系的特殊性质进行了分析，然后基于语言场和广义归纳逻辑因果模型，从表示、挖掘、评价和应用几方面，对因果关联规则的研究进行了详细论述。并在此基础上提出了隐含因果关联规则的概念。通过语言场和推理机制的运用，使因果关联规则这一重要知识形式的挖掘和评价过程具有良好的逻辑性和扩张性。

关键词: 因果关联规则, 语言场, 知识发现, 隐含因果关联规则

Abstract: Causal association rule is one kind of important and available knowledge in knowledge base.In this paper，some special properties of causal relation are discussed at first，and then research on represention，mining and evaluation of causal association rule is introduced in detail based on language field and generalized inductive logic causal model.Finally，a new concept of hidden causal association rule is prospected.The application of language field and reasoning mechanism make the process of mining and evaluation of causal association rule logical and extensible.

Key words: causal association rule, language field, knowledge discovery, hidden causal association rule, hidden causal association rule

中图分类号:

TP311.13

崔阳，杨炳儒. 知识发现中的因果关联规则挖掘研究[J]. 计算机工程与应用, 2009, 45(31): 9-11.

CUI Yang，YANG Bing-ru. Research on causal association rule mining in knowledge discovery[J]. Computer Engineering and Applications, 2009, 45(31): 9-11.

[1]	杨葛英，沈夏炯，史先进，张磊. 以概念格为背景的关联规则可视化[J]. 计算机工程与应用, 2021, 57(1): 84-91.
[2]	陈永当，王钰鑫，鲍志强，任慧娟. 基于用户访问信息的数据挖掘方法及其算法[J]. 计算机工程与应用, 2012, 48(15): 133-137.
[3]	黄光球，李瑞艳. 多重概率粗糙集模型[J]. 计算机工程与应用, 2010, 46(33): 142-147.
[4]	黄光球，赵煜. 多重粗糙集模型 [J]. 计算机工程与应用, 2010, 46(14): 53-57.
[5]	孙士保^1,2,姚磊磊¹,吴庆涛¹,普杰信¹,秦克云³. 变精度粗糙集模型及其应用研究[J]. 计算机工程与应用, 2009, 45(7): 10-13.
[6]	申锦标,吕跃进. 个性化决策规则获取算法及规则表示[J]. 计算机工程与应用, 2009, 45(14): 122-124.
[7]	刘高峰,牟廉明 . 基于权重联系度粗集理论的增量式知识发现[J]. 计算机工程与应用, 2008, 44(8): 78-81.
[8]	汪维清,罗先文,胡继宽. Apriori-sort算法研究[J]. 计算机工程与应用, 2008, 44(36): 156-159.
[9]	陈可赢^1,2,曾文华¹,施明辉³. 属性约简算法CARRDG的改进及其实现技术研究[J]. 计算机工程与应用, 2008, 44(36): 160-163.
[10]	阎高伟,谢刚,牛昱光,谢克明. KMEA算法及其在多传感器融合系统中的应用[J]. 计算机工程与应用, 2008, 44(26): 25-29.
[11]	刘路,李弼程,张先飞. 基于向量相似度修正策略的命名实体关联分析[J]. 计算机工程与应用, 2008, 44(2): 179-181.
[12]	何丽,严冬梅. 电子学习系统中的知识表示与知识发现模型研究[J]. 计算机工程与应用, 2007, 43(34): 233-235.
[13]	周军^1,2，张庆灵². 基于粗糙集理论的面向个性化知识发现算法[J]. 计算机工程与应用, 2007, 43(16): 172-174.
[14]	温有奎,温浩,徐端颐,潘龙法. 基于知识元语义网格平台的知识发现研究[J]. 计算机工程与应用, 2006, 42(4期): 4-.
[15]	谢毓湘、栾悉道、曾璞、吴玲达 . 知识发现技术在互联网情报收集与处理中的应用研究[J]. 计算机工程与应用, 2006, 42(25期): 9-.

知识发现中的因果关联规则挖掘研究

Research on causal association rule mining in knowledge discovery

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics