形式概念分析在软件理解中的研究综述

主要对形式概念分析在软件理解上的研究进展进行总结．阐述形式概念在软件理解中一般过程和主要采取的技术方法．给出形式概念分析在软件理解领域的研究趋势与展望。     

基于格空间的受限DeepWeb数据抽取算法

将返回结果受限的DeepWeb数据源中预测查询结果大小并且抽取的问题转化为概念覆盖问题。首先证明由属性及属性组合产生的集合划分之间为容差关系,进而又证明其构成一个完全格,并且与概念格同态。使用概念间的偏序关系来刻画属性间的相关性,使用概念内涵为查询属性,概念外延为返回结果的预测,基于外延的势剪枝后的概念格为搜索空间,最终提出一种基于格空间的DeepWeb数据抽取算法。实验由可控实验和实际应用实验组成,结果证明该算法理论正确性和现实应用的可行性及有效性。     

Discovering shared conceptualizations in folksonomies

Social bookmarking tools are rapidly emerging on the Web. In such systems users are setting up lightweight conceptual structures called folksonomies. Unlike ontologies, shared conceptualizations are not formalized, but rather implicit. We present a new data mining task, the mining of all frequent tri-concepts, together with an efficient algorithm, for discovering these implicit shared conceptualizations. Our approach extends the data mining task of discovering all closed itemsets to three-dimensional data structures to allow for mining folksonomies. We provide a formal definition of the problem, and present an efficient algorithm for its solution. Finally, we show the applicability of our approach on three large real-world examples.     

三支决策视角下概念格的分析和比较*

基于概念的构造和形式背景的构成,文中从三支决策的视角探究不同概念格之间的内在联系,分别对比不完备形式背景和经典形式背景中的概念格及直觉模糊形式背景和模糊形式背景中的概念格,展现三支决策在概念格理论中的重要价值.通过对比可以看出,相比经典形式背景和模糊形式背景中的概念格,不完备形式背景和直觉模糊形式背景中的概念格体现三支决策思想,具有数据存储所占空间更小,属性约简更简洁等优势.     

基于异构网络语言形式背景的知识发现及规则提取

在不确定性环境下,如何处理具有复杂关系的数据是研究热点之一.网络形式背景将复杂网络分析和形式概念分析结合,为复杂关系数据的知识发现提供一种有效的数学工具.文中首先从网络结构的异构性出发,提出异构网络语言形式背景.异构网络包含专家给出的主观网络,又包含通过对象的特征挖掘的客观网络.然后,考虑网络的连通性,得到全局和局部异构网络语言概念,并给出异构网络下的全局连通及局部连通知识发现算法.最后,基于异构网络语言形式背景构建关联规则提取模型,通过实例验证知识发现及规则提取的合理性和有效性.     

一种面向企业的行业微博信息推荐方法

微博社交媒体营销的兴起使得快速准确地在微博中定位行业信息变得越来越重要。提出一种基于关键词的行业信息个性化推荐方法以帮助用户快速准确地获得行业相关信息。从基于行业用户历史微博的关键词提取与基于词语共现信息的关键词扩展两个角度生成行业关键词向量,关键词提取与扩展的结果将根据用户自定义权重进行线性合并。最后,据此合并向量对用户订阅微博进行相关度计算,为用户推荐相关信息。该方法在新浪微博平台上以若干具有代表性的企业微博数据进行实验,证明了方法的有效性。     

本体自动抽取中的概念相似性分析

本体的自动抽取问题是电子政务信息集成的核心问题之一。在本体的自动抽取过程中,FCA方法用于自动分析概念之间的关系,但它对概念间的同义词关系分析不够。基于这个原因,对FCA方法进行了优化,提出了SFCA算法。算法根据属性在概念中的重要性对属性赋权值,利用属性的权值计算两个概念的相似度,最终确定两个概念是否是同义词关系。通过对算法的实验结果的分析验证其是有效的,并给出了正确性证明。     

RSS-based e-learning recommendations exploiting fuzzy FCA for Knowledge Modeling

Nowadays, Web 2.0 focuses on user generated content, data sharing and collaboration activities. Formats like Really Simple Syndication (RSS) provide structured Web information, display changes in summary form and stay updated about news headlines of interest. This trend has also affected the e-learning domain, where RSS feeds demand for dynamic learning activities, enabling learners and teachers to access to new blog posts, to keep track of new shared media, to consult Learning Objects which meet their needs.This paper presents an approach to enrich personalized e-learning experiences with user-generated content, through a contextualized RSS-feeds fruition. The synergic exploitation of Knowledge Modeling and Formal Concept Analysis techniques enables the design and development of a system that supports learners in their learning activities by collecting, conceptualizing, classifying and providing updated information on specific topics coming from relevant information sources. An agent-based layer supervises the extraction and filtering of RSS feeds whose topics cover a specific educational domain.     

Deep sentiment analysis: Mining the causality between personality-value-attitude for analyzing business ads in social media

IT vendors routinely use social media such as YouTube not only to disseminate their IT product information, but also to acquire customer input efficiently as part of their market research strategies. Customer responses that appear in social media, however, are typically unstructured; thus, a fairly large data set is needed for meaningful analysis. Although identifying customers’ value structures and attitudes may be useful for developing targeted or niche markets, the unstructured and volume-heavy nature of customer data prohibits efficient and economical extraction of such information. Automatic extraction of customer information would be valuable in determining value structure and strength. This paper proposes an intelligent method of estimating causality between user profiles, value structures, and attitudes based on the replies and published content managed by open social network systems such as YouTube. To show the feasibility of the idea proposed in this paper, information richness and agility are used as underlying concepts to create performance measures based on media/information richness theory. The resulting deep sentiment analysis proves to be superior to legacy sentiment analysis tools for estimation of causality among the focal parameters.     

唐卡图像关键区域对象概念的语义相似度计算

唐卡图像中关键区域对象的概念所表达内涵具有一定的相似性,进行定量计算和分析,对研究唐卡图像高层语义检索具有重要意义。针对该问题,引入形式概念分析,提出一种唐卡图像关键区域概念语义相似度的计算方法。首先提取唐卡图像中关键区域对象的概念和一系列的语义关键词作为形式背景来构造概念格,通过概念格计算概念间的语义相似度,实验结果表明,本文方法计算结果与人工判断结果相吻合,具有可行性和有效性。     

大数据时代数据分析与信息安全

大数据的价值不仅仅局限于它的初始收集目的,而在于收集后可以用于其他用途并可重复使用。目前,包括美国在内的许多国家,都将大数据分析管理上升到国家战略层面,从国家层面通盘考虑其发展战略。     

大数据探讨

大数据的重大意义正逐步被人们认识到。简要介绍大数据,从技术和工具、解决方案和应用案例等方面对大数据进行研究。并对大数据给计算机科学带来的若干问题进行探讨。     

面向微博内容的信息抽取模型研究

社会媒体是人们用来分享意见、见解、观念和经验的平台或工具,目前已经发展成具有重大影响力的新媒体。而微博作为社会媒体的一个重要部分,对信息的传播起到了很大的作用。面向微博内容的信息抽取就是要从充满噪音的、零碎的、非结构化的微博内容的自由文本中提取有价值的结构化的信息,以利于从微博内容中有效地获取信息。提出了一种基于因子图的微博事件抽取方法来准确地抽取微博中所反映的事件。最后通过实验验证了该方法在性能和准确性上都比其他的方法要高。     

基于层次空间聚类的表语义汇总算法

频繁模式挖掘可以发现数据中频繁出现的模式,是关联规则挖掘的重要步骤。并行频繁模式算法将其应用到并行环境中,以对海量数据进行挖掘。在Apache软件基金会的Mahout项目实现的基础上,对计数和排序阶段以及算法的执行顺序提出了新的优化策略。优化后的设计将计数信息存储在分布式协调系统上,充分地利用了分布式协调系统的高可用性、适宜存储元数据信息的特点。该设计减小了小文件在分布式文件系统(HDFS)上的开销,同时保留了其优点,还能使计数过程和排序过程并行执行,减小了计算节点的内存开销。对比了文件系统I/O的开销,并分析了实现设计中的难点,为未来的工作打下了基础。     

Branding with social media: User gratifications,usage patterns,and brand message content strategies

The emergence of social media provides a new platform for developing brand–consumer relationships. The aim of the current study is to examine the differences in Chinese users’ gratifications of different social media and the impact of brand content strategies on the quality of brand–consumer communication via social media. In the first study, 209 SNS and 161 microblog users were surveyed. Five dimensions of social media gratifications emerged from the factor analysis. Significant differences in the strengths of gratifications were found between SNS and microblog users. Usage patterns of SNS and microblog are analyzed and compared. In the second study, we examined the impact of users’ gratification and the type of social media on the effectiveness of different brand content strategies through a two-week experiment involving 60 SNS users and 61 microblog users. Implications for developing branding strategies on different social media platforms are discussed.     

运用属性探索构建完备描述逻辑本体

分析描述逻辑本体构建的重要性和研究现状。针对描述逻辑本体构建中本体的完备性问题,研究属性探索算法在描述逻辑本体构建中的应用,分析目前运用属性探索算法构建本体时假设专家必须具备全部领域知识的不足,研究在领域专家不具备全部领域知识情况下的完备描述逻辑本体构建。在描述背景下给出描述逻辑本体完备性的定义,设置描述背景下的不完备背景,构造一种在不完备背景下领域专家不能判断属性集合间的蕴含关系的描述逻辑本体构建算法。该算法可与领域专家交互获取蕴含知识从而构建本体知识库,并且证明利用该方法构建的本体是完备本体。