基于概念格的Web文本聚类

Web文本聚类大多是基于空间向量文本表示模型的,它没有考虑特征词之间的语义关系,并且特征词的维数非常高,造成文本语义信息的损失和时间复杂度的增加。把文本作为对象,文本中的特征词作为对应的属性,形成了基于文本的形式背景,从中提取概念来表示文本并度量文本之间的相似度,从而降低了特征词的维数,减少了计算的复杂度,取得了良好的聚类结果。     

带兴趣度的序列概念格模型及其构造

为了有效地挖掘用户所需的序列模式,在序列数据库中对每个项目引入了兴趣度值以示其不同的重要程度。在对概念格模型进行扩展的基础上,提出了基于兴趣度的序列概念格模型及其构建算法。实例表明算法能减少冗余序列的产生,挖掘出满足用户需求的序列模式。