异构数据库相似语义属性聚类过程研究.pdfVIP

第 9卷 第2期 铁道科学与工程学报 VOI．9 NO．2 2012年4月 JOURNALOFRAI ＼『，AY SCIENCEAND ENGINEERING Apr．2012 异构数据库相似语义属性聚类过程研究 李小平。任恩恩 (兰州交通大学机电技术研究所，甘肃 兰州730070) 摘 要：对异梅数据库柄似语义属性聚类过程及其关键技术进行研究，在词频 一逆文件频率的基础上，提 出数值类型属性 信息的槽频率一逆文件频率处理方法，分剐应用于文本信息和数值信息的相似语义属性聚类过程。研究结果表明：使用词 频一逆文件频率和槽频率一逆文件频率方法拥结合是异构数据库相似语义属性聚类实现的一种有效方法。 关键词 ：异构数据库 ；相似语义；属性聚类；统一矢量化；词频一逆文件频率；槽频率一逆文件槽频率；自组织映射网络 中圆分类号：TP391 文献标志码：A 文章编号：1672—7029{2012102—0119～06 Researchofsimilarsemanticattributeclusteringprocessinheterogeneousdatabase LIXiao—ping ．REN En—en (MeehatroniealTRInstitute，Lan~ouJiaotongUniversity，Lanzhou730070，China) Abstract：Thekeytechnologyofthesimilarsemanticattributeclusteringprocessintheheterogeneousdatabase wasresearched．Onthebasisofhteterm frequency—inversedocumentfrequency，theprocessingmethodofbin frequency—inversedocumentbinfrequencywasproposed，whichwasappliedinsimilarsemanticattributecluste— ringprosessofthetextinformationandnumericalinfomr ation．Theresultsshow thatthemethodusingtemr fre— quency ——inversedocument~equencyandbin ~equeney—·inversedocumentbin ~equencyiseffective to the processofhtesimilarsemanticattributeclusteringintheheterogeneousdatabase． Keywords：heterogeneousdatabase；similarsemantic；attributeclustering；unifiedvector(UV)；term~equen— cyinversedocument~equency(TF—IDF)；bin~equency—inversedocumentbin~equency(BF—IDBF)；self — organizingmappingnetwork(SOM) 聚类是数据挖掘的一个关键领域，同时也是异 档表示、文档特征提取和聚类几个阶段；文献 [5] 构信息共享过程中的一个关键问题…。由于文本 将文本属性聚类预处理过程分为分词、词根还原、 信息是 目前最主要的信息载体，因此，国内外对信 停用词过滤、降维、权重计算等步骤；文献 [6]针对 息聚类的研究大都集 中在文本聚类方面。文献 异构数据，将预处理阶段分为文本数据预处理和数 [2]将聚类分为文本提炼和聚类2个模块；文献 值数据预处理，使用改进的自组织映射 (Self—or— [3]针对中文单词和英文单词的属性区别，将中文