数据挖掘在英语语言学话题跟踪评价体系中的应用

本文主要针对英语语言学评价体系的特点,在系统功能语言学理论框架下,运用基于粗糙集的数据挖掘技术,对英语语篇中的评价资源进行跟踪分析,并通过实例验证了该方法的可行性和有效性,解决了英语语言学话题跟踪评价体系的一些关键问题。     

话题跟踪方法的研究

话题检测与跟踪旨在实现对新闻媒体信息流中新话题的自动检测以及对已知话题的动态跟踪。它是信息处理中的一项重要技术,如何提取鲁棒的话题样本特征是其中的研究重点。本文主要针对样本中的话题偏移问题,应用数据挖掘技术对样本进行话题偏移补偿,从而有效的删除偏移话题,提升了样本特征的鲁棒性。     

数据挖掘技术在农业领域中的应用研究

数据挖掘是一种深层次的数据分析方法,是现代科学技术相互渗透与融合的必然结果。本文阐述了数据挖掘技术的基本原理,并根据农业数据的特点,探讨和分析了数据挖掘技术在农业方面的应用研究。     

粗糙集结合遗传算法在数据挖掘中的应用

运用粗糙集,结合遗传算法理论,提出一种提取大型数据表决策规则的方法.首先依据条件属性的重要度,把条件属性加入到核属性集中,生成约简.然后选取一组规则编码作为原始种群,应用遗传算法寻求最优解.经过解码和分析做出推理和决策.     

数据挖掘技术在农业数据中的有效应用

农业信息系统的建立和大量农业数据的增长,人工获取知识和分析数据变得越来越难,需要对数据进行自动分析并获取知识。KDD和数据挖掘技术在农业中得到应用,由于农业领域本身的特点,通常的数据挖掘技术得不到有效应用。该文提出了几种对农业数据库进行知识发现的有效方法,并将知识发现方法与信息系统紧密结合。     

话题识别与跟踪研究

作为自然语言处理一个新的研究方向,话题识别与跟踪旨在发展一系列基于事件的信息组织技术,以实现对新闻媒体信息流中新话题的自动识别以及对已知话题的动态跟踪。自1997年以来连续举行的多次大规模评测使得话题识别与跟踪研究正逐步成为近来自然语言处理尤其是信息检索领域的一个研究热点,目前国内在这方面的研究尚处在起步阶段。该文介绍了话题识别与跟踪研究的发展历史、研究任务、主要技术及评价方法等,希望能引起相关研究者对这项研究的关注。     

话题跟踪方法的研究

话题跟踪旨在实现对新闻媒体信息流中已知话题的动态跟踪。在现有的向量空间模型分类算法的基础上,提出一种基于话题更新的话题跟踪算法,通过实验对其进行评价。     

基于农业信息数据元表示的数据挖掘

文章提出了一种基于农业信息数据元表示的数据挖掘方法,论述了农业信息数据元表示以及粗糙集理论的基本概念,并对基于粗糙集理论的挖掘模型的建立过程以及挖掘过程进行了阐述。     

话题识别与跟踪中的层次化话题识别技术研究

话题识别与跟踪(topic detection and tracking,TDT)旨在发展一系列基于事件的信息组织技术,层次化话题识别(hierarchical topic detection,HTD)是其中一项全新的任务定义形式.通过连续的大规模评测,话题识别与跟踪已成为国际上自然语言处理尤其是信息检索领域的一个研究热点.为此,将自然语言处理与信息检索技术相结合,提出了针对事件特点的切实有效的单粒度话题识别方法,并提出了基于多层聚类的MLCS算法对话题进行层次化组织.所提出的方法具有很好的效果,在TDT2004的HTD评测中,该方法取得了第2名的成绩.     

数据挖掘技术在农业数据挖掘平台中的应用研究

数据挖掘平台是数据挖掘研究和应用的桥梁,对数据挖掘技术的推广及数据挖掘理论研究起到很大的作用。文章描述了数据挖掘的处理过程,并根据农业数据的特点,设计了基于Web的农业数据挖掘平台的原理框架。     

Web数据挖掘在农业电子商务中的应用

电子商务是一种新型的现代商务模式,如何将Web挖掘应用于农业电子商务,来有效地处理信息,成为农产品企业关注的问题.本文介绍了Web挖掘的概念和分类,阐述了Web挖掘在农业电子商务中的挖掘方法和过程,讨论了Web挖掘在农业电子商务中的典型应用.     

一种基于Web 的农业数据挖掘平台

针对农业数据具有季节性、时效性、多层次性和求新性等复杂特点,以及当前数据挖掘软件中普遍存在的功能耦合过于紧密、数据挖掘算法难以灵活替用等问题,提出了一种基于Web的农业数据挖掘平台的原理框架,并基于责任链式模式实现了原型平台agri-Miner,能保证体系结构的可扩展性以及数据挖掘算法的灵活可替换性。最后,成功应用到农业病虫害以验证平台的有效性。     

文本数据主题挖掘与关联搜索研究

文本数据是存储和交换信息最自然的方式,文本挖掘技术可以发现海量文本数据中隐藏的潜在知识模式。研究了文本数据主题挖掘与关联搜索技术,首先通过文本解析提取、分词预处理和索引等进行文本信息处理,然后利用基于潜在语义关系的主题发现模型挖掘大量文本数据中隐藏的主题信息,最后利用主题模型计算关键词间的关联程度进行查询扩展,从而实现关联搜索。实现了一个文本数据挖掘与关联搜索的原型系统,对Tancorp数据集进行主题发现和关联搜索,并以视化和网页同步显示关联搜索的过程。     

数据挖掘技术在高职毕业生跟踪调查中的应用

随着职业院校的不断发展以及技术的进步,数据挖掘分析已经在教育行业得到越来越多的应用。利用近几年的毕业生调查数据,经过数据清理及集成,运用EXCEL为数据挖掘分析的工具,采用了关联和聚类算法,找到了毕业生就业规律,相应地提出了提高人才培养质量和就业质量的对策和方法,最终让数据分析的成果为高职院校的改革发展提供了科学的依据。     

金融数据挖掘中的非线性相关跟踪技术

金融数据挖掘是信息社会中一个极具挑战性的研究方向.金融数据的随机特性使得隐藏在数据中的内在规则难以被发现.指出了经典相关分析的缺陷,进一步讨论了高阶相关系数的性质,证明了高阶相关不仅能描述隐藏的非线性相关信息,而且正好刻画了线性相关与独立之间的空白.因此,完全可以利用高阶相关性的计算简单性对金融数据中的时变非线性相关特性进行实时跟踪,克服了Brock W.等人于1987年和1992年提出的Granger-Causality独立性检验方法中需要正态假设和非实时性的缺点.最后,将上述结果应用于股票价格与成交量之间的相关分析.数值结果显示高阶相关能跟踪隐藏在数据中的时变非线性相关特性.     

数据挖掘技术的应用分析

网络时代,大量的信息在给人们带来方便的同时也带来了一大堆问题：第一是信息过量,难以消化;第二是信息真假难以辨识;第三是信息安全难以保证;第四是信息形式不一致,难以统一处理。面对“数据丰富而有用信息贫乏”的现象,数据挖掘和知识发现技术应运而生,并显示出强大的生命力。     

数据挖掘在PACS系统中的应用

PACS系统在医院得到越来越广泛的应用，大量的图像和文本资料存贮在PACS数据库中。这些海量数据仅仅是一些“数据”的集合，而不是“信息”或者“知识”的集舍。本文将数据挖掘技术与PACS系统结合，通过处理PACS系统中的各种病案资料，从“数据”中获取有用知识的集合，为医生的辅助诊断提供了智能的决策支持。