无标记训练样本的Web文本分类方法

在文本分类中获得有类别标记训练样本的代价是很高昂的,本文针对这个问题对传统的模糊聚类方法进行改进,提出模糊划分聚类方法FPCM,将聚类的无监督性和样本的先验知识结合起来,通过相似度度量聚类相关文本,取得比较客观的簇和少量标记文本,为监督学习找到分类依据,并结合朴素贝叶斯增量学习方式进行分类器的学习.本文进一步用估计分类误差损失的方法平衡选取候选样本,提高了分类准确率,实现了应用范围更加广泛的无标记文本分类学习模型.     

支持向量机在网页信息分类中的应用研究

针对日益膨胀的网络信息,为方便用户准确定位所需的信息,将支持向量机(SVM)与二叉决策树结合起来进行网页信息的分类,并在构造决策支持向量机分类模型的基础上,进一步结合聚类的方法,解决多类分类问题,减少支持向量机的训练样本数,提高分类训练速度和分类准确率.     

基于Boosting机制的Naive Bayesian文本分类器

Naive Bayesian分类器是一种有效的文本分类方法,但由于具有较强的稳定性,很难通过Boosting机制提高其性能。因此用Naive Bayesian分类器作为Boosting的基分类器需要解决的最大问题,就是如何破坏Naive Bayesian分类器的稳定性。提出了3种破坏Naive Bayesian学习器稳定性的方法。第一种方法改变训练集样本,第二种方法采用随机属性选择社团,第三种方法是在Boosting的每次迭代中利用不同的文本特征提取方法建立不同的特征词集。实验表明,这几种方法各有其优缺点,但都比原有方法准确、高效。     

基于语义对象模型的无结构化数据集成的研究

数据集成是为了屏蔽数据的异构性,以一种统一的接口访问数据源中的数据。由于无结构化数据没有外在的模式定义,因此基于模式的集成不能适用于流媒体、图形、图像等无结构化数据的集成。该文借鉴面向对象建模方法的思想,提出了语义对象模型的概念,并基于该模型描述了一个集成应用系统的体系结构。     

Web使用挖掘的应用研究

Some effective and efficient knowledge patterns will be gained through searching, integrating, mining and analyzing on the Web. These useful knowledge patterns can help us to build so efficient Web site that WWW can ser-vice people well. In this paper we point out Web Usage Mining process influenced by Web site structure and content,and introduce the application of Web Usage mining in E-commerce. In the end a example of Web Usage Mining is given.     

基于中介器/包装器的联合数字图书馆集成信息检索机制

联合数字图书馆的目的就是为了实现信息的集成共享,给用户提供统一资源查询服务。提出了一种基于中介器 /包装器的联合数字图书集成信息检索机制,以RDF作为中间信息表示语言,完成查询转换和结果合成。此外描述了实现此机制的FDL集成信息检索系统,重点介绍了基于RDF的中介器、包装器产生模块的设计。并以原型系统为例,测试分析了系统性能。     

基于J2EE多层架构的Web开发框架研究

在经典的J2EE四层体系结构的基础上增加数据持久层,提出了基于J2EE五层体系结构的Web开发框架;分析了基于Struts框架的J2EE架构中实现对象持久性的局限性,从中分离出对象持久层,并将Hibernate这个面向对象的轻量级对象持久性技术集成到该架构中;应用DAO设计模式在业务逻辑层与持久层之间设计了多源数据访问组件,抽象和封装了对不同数据源的数据访问操作,实现对不同类型、结构、环境、用法的异构数据库的统一访问。     

关联规则挖掘AprioriHybrid算法的研究和改进

分析了关联规则挖掘Apriori、AprioriTid和AprioriHybrid算法的优缺点,针对AprioriHybrid算法的瓶颈提出了一种使用支持度矩阵对频繁2项集快速验证的方法,并给出了一种简单易行,而又高效的逐步缩减交易数据库的方法,加快了对候选频繁k项集的验证速度,从而显著地提高AprioriHybrid算法的效率。     

数据网格中的数据管理服务框架分析

分析了欧洲数据网格项目中数据管理中间件的体系结构和基本实现。所有的服务都是紧密结合OGSA体系结构并基于Web Service技术原型。目前的数据管理体系结构是模块化的,主要部件有复制定位服务、复制元数据服务、复制优化服务、复制订阅等。详细分析了数据管理各个部分的结构并给出了将来的方向。     

PageCluster:一种Web页面层次聚类方法

提出了Web页面聚类算法PageCluster及相应的改进算法ImPageCluster。该方法在兼顾Web站点结构和页面链接的同时,基于各个页面的重要程度对各个超链接进行赋权。与传统聚类算法相比,该算法不需要事先给定相似度阈值。实验结果证实了该算法的可行性和高效性。