公开(公告)号：CN106126577A

公开(公告)日：2016-11-16

申请号：CN201610439802.1

申请日：2016-06-17

Applicant: 北京理工大学

Inventor： 孙新 ,  王璇 ,  严西敏 ,  欧阳童 ,  王乐和 ,  郭文浩

IPC: G06F17/30

CPC classification number: G06F16/2465 ,  G06F16/24564

Abstract: 本发明涉及一种基于数据源划分矩阵的加权关联规则挖掘方法，属于人工智能、机器学习、数据挖掘技术领域。利用人工智能方法，能够从海量、复杂的行业文本数据中挖掘隐含的有价值的专家知识，并以关联规则的方式表达，可以为专家系统中知识库的构建提供支持。本发明通过对经典关联规则挖掘算法的分析，针对Apriori算法重复扫描数据集造成效率低下的问题，提出基于数据源划分矩阵的快速计算支持度的方法；针对Apriori算法将事务数据集中的数据项同等对待的问题，采用基于概率的权重标定方法对关联规则挖掘过程中的数据项目集进行加权。实验验证所提出的方法能够减少传统关联规则挖掘的空间复杂度和时间复杂度。

公开(公告)号：CN106127306A

公开(公告)日：2016-11-16

申请号：CN201610453050.4

申请日：2016-06-21

Applicant: 北京理工大学

Inventor： 孙新 ,  严西敏 ,  欧阳童 ,  王璇 ,  王乐和 ,  董阔

IPC: G06N5/02 ,  G06N5/04

CPC classification number: G06N5/025 ,  G06N5/047

Abstract: 本发明涉及一种高共享性Rete网络构建方法，属于人工智能、专家系统领域。本发明主要研究专家系统中的规则推理技术，在原有的Rete推理技术基础上，提出了基于节点共享度和模式共享度模型的高共享性Rete网络构建算法。本发明提高了Rete网络的节点共享性能，减少冗余节点，优化了Rete网络节点的结构，能够显著提高规则推理时的效率。