检索结果-南通市图书馆

检索条件"主题词=EPSPM算法"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于序列频繁模式并行挖掘算法的文本分类研究

基于序列频繁模式并行挖掘算法的文本分类研究

引用

作者：张圣杰江西财经大学

学位级别：硕士

序列模式挖掘属于数据挖掘领域的一个重要研究方向,目标为从序列数据中挖掘出频繁序列模式。然而,在处理大规模事务集时,传统的序列模式挖掘算法存在一些问题,例如频繁读取数据库、时间空间资源浪费等。为了解决这些问题,本文提出了一... 详细信息

序列模式挖掘属于数据挖掘领域的一个重要研究方向,目标为从序列数据中挖掘出频繁序列模式。然而,在处理大规模事务集时,传统的序列模式挖掘算法存在一些问题,例如频繁读取数据库、时间空间资源浪费等。为了解决这些问题,本文提出了一种改进的并行序列模式挖掘算法epspm(Enhanced Prefix Span Sequential Pattern Mining Algorithm)。epspm算法主要由三个过程组成:数据划分、支持度计数和候选集生成。在数据划分过程中,本算法将事务集分成多个块,在每个块内执行局部模式挖掘和块内剪枝操作,并在Spark分布式框架上实现动态负载均衡。在支持度计数过程中,本算法采用了一种基于并行Map Reduce框架的支持度计数方法,以减少数据通信开销。在投影数据库生成过程中,epspm算法利用之前操作中Map Reduce的结果避免对所有模式进行投影,从而减少数据库的扫描次数。实验结果表明,epspm算法可以有效降低数据库扫描次数和通信开销,基于Spark分布式框架的epspm算法对比基于Hadoop的Prefix Span算法具有更好的性能,在同一数据集相同支持度阈值的情况下,epspm算法所用时间明显减少,平均降低了59%的运行时间。此外,本文将epspm算法应用于文本分类领域,提出了一种基于序列模式的文本分类算法。传统的文本分类方法通常使用单词、句子和段落等级别的特征进行分类,但是这些特征缺乏对文本中不同元素之间关系的考虑。本文方法可以从文本中提取具有时序关系的词汇组合,并充分考虑它们之间的时序关系。实验结果表明,对于体育、娱乐、家居、彩票、房产五个类别的文本,使用基于epspm的文本分类方法优于逻辑回归、KNN、支持向量机等机器学习分类方法,并且在不同数量的数据集上均有良好的分类效果。

关键词：序列模式文本分类 PrefixSpan算法 epspm算法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：