多關系數(shù)據(jù)挖掘原理及應用.pdf

1、傳統(tǒng)數(shù)據(jù)挖掘算法，其知識表示方式主要是命題邏輯形式，每一樣例以屬性-值元組的形式表示，難以表達對象內部之間的復雜關系，并且只能從單一關系中發(fā)現(xiàn)模式。但是，大多數(shù)現(xiàn)實關系數(shù)據(jù)庫中的信息存儲于多個關系中，并且許多復雜模式難以用命題邏輯語言表示。屬性-值學習的單表假定無法直接利用這類聯(lián)系及其蘊涵的信息內容，其算法僅局限于由一張表或關系構成的數(shù)據(jù)庫，不能將那些相對復雜的模式簡單地用這種屬性-值的格式表現(xiàn)出來，因而無法發(fā)現(xiàn)現(xiàn)實世界數(shù)據(jù)中隱藏的更為

2、復雜的模式。對于許多應用，當在多關系數(shù)據(jù)中發(fā)現(xiàn)模式時，模式自然要涉及多個關系，若使用傳統(tǒng)數(shù)據(jù)挖掘算法，應把數(shù)據(jù)從多關系中納入一個單關系中，然后才能進行挖掘。這不僅需要大量的預處理工作和謹慎的設計，并且可能導致信息丟失、語義偏差以及效率降低等問題。多關系數(shù)據(jù)挖掘算法就是在這種研究背景下應運而生的一種新的研究領域。
　　 以ILP為基礎的多關系數(shù)據(jù)挖掘，致力于發(fā)現(xiàn)關系數(shù)據(jù)庫中涉及多個關系的復雜模式。多關系數(shù)據(jù)挖掘可以直接在多個關系上

3、分析數(shù)據(jù)而無需向單一數(shù)據(jù)表的轉換。由于其模式表示語言采用了一階謂詞邏輯語言，與命題邏輯表示語言相比更具有更強的表達力，能夠表達更復雜的模式并方便的利用背景(領域)知識，應用也更為廣泛，成為目前研究的熱點。
　　 本文比較系統(tǒng)和完整的介紹和分析了多關系數(shù)據(jù)挖掘的研究現(xiàn)狀和研究方法，著重研究了如何將傳統(tǒng)數(shù)據(jù)挖掘算法擴展到多關系數(shù)據(jù)挖掘領域。
　　 本文的主要工作如下：
　　 ①綜合前人的工作，根據(jù)相關的文獻，通過與傳