论文题目: 基于Web挖掘的决策支持系统模型研究
论文类型: 博士论文
论文专业: 管理科学与工程
作者: 何丽
导师: 韩文秀
关键词: 挖掘,文档分类模型,使用知识发现模型,语义环境,领域本体,智能决策支持系统模型
文献来源: 天津大学
发表年度: 2005
论文摘要: 随着信息技术和电子商务的不断发展,web环境下的知识发现和决策支持模型研究正在成为电子商务、管理科学以及人工智能等领域关注的一个新的热点。研究基于web挖掘的知识发现和智能决策支持系统模型具有重要的学术价值和现实意义。本文研究的主要内容如下:总结和回顾了数据挖掘的过程,方法、功能以及各个阶段的任务和目标,阐述了web数据挖掘的概念和主要任务。建立了基于概念特征向量的web文档分类模型。为实现对半结构化web文档的有效管理和分类,提出了概念特征向量的概念,阐述了概念特征词的提取及其权重的计算方法,并构造了基于概念特征向量的NB和关联规则的web文档分类模型,最后通过实验验证了基于概念特征向量的web文档分类模型的有效性和正确性。建立了基于web使用数据管理的知识发现模型。阐述了用户浏览行为的URL-UserID关联矩阵表示方法,建立了基于URL-UserID关联矩阵的web页面聚类模型、web用户聚类模型;建立了基于相似用户群的多马尔可夫链用户浏览行为预测模型,构造基于相似用户群和后缀树的最大频繁序列挖掘模型。探讨了语义web环境下的知识发现模型。阐述了语义web的产生背景、语义web体系结构和web本体等内容。详细描述了领域本体的表示模型,讨论了基于领域本体的web页面分类过程,建立了基于领域本体的web页面分类模型和基于语义用户分布的web使用知识发现模型。分析并建立了基于语义web挖掘的多Agent智能决策支持系统模型。主要探讨了语义web环境下的智能决策支持系统的体系结构模型,阐述了该模型中各个Agent系统的任务和目标,不同Agent之间的通信以及基于web挖掘的智能决策支持系统实现的关键技术等。最后探讨了基于语义web挖掘的多Agent决策支持模型在智能电子学习系统中的应用。主要分析了智能电子学习系统的决策功能模型,知识体系的表示以及相关库的设计等,讨论了智能电子学习决策支持系统的体系结构及其各个子系统的任务。
论文目录:
摘要
ABSTRACT
第一章 绪论
1.1 研究背景与研究意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外相关领域研究综述
1.2.1 决策支持系统研究概况
1.2.2 知识发现研究概述
1.3 论文的组织结构与创新点
1.3.1 论文组织结构
1.3.2 主要创新点
本章小节
第二章 数据挖掘概述
2.1 引言
2.2 数据挖掘过程
2.2.1 数据挖掘过程模型
2.2.2 数据挖掘过程中各阶段的任务
2.3 数据挖掘方法
2.3.1 规则归纳方法
2.3.2 决策树方法
2.3.3 贝叶斯学习
2.3.4 遗传算法
2.3.5 神经网络
2.3.6 粗糙集方法
2.4 数据挖掘功能
2.4.1 关联规则挖掘
2.4.2 聚类模式挖掘
2.4.3 分类模式挖掘
2.4.4 序列模式挖掘
2.4.5 偏差检测
2.5 数据挖掘知识类型概述
2.6 web数据挖掘
2.6.1 web挖掘的主要任务
2.6.2 web内容挖掘
2.6.2 web结构挖掘
2.6.3 web使用挖掘
本章小结
第三章 web环境下的文档分类模型研究
3.1 概述
3.2 web文档的结构化表示
3.2.1 抽取特征词
3.2.2 构造web文档特征向量
3.3 建立概念特征向量集
3.3.1 确定初始文档类
3.3.2 构造概念特征向量
3.4 基于CFV的NB 文档分类模型
3.4.1 建立标注文档集
3.4.2 建立CFV-NB文档分类器
3.5 基于CFV的关联规则文档分类模型
3.5.1 建立文档-概念关联事务矩阵
3.5.2 算法描述
3.5.3 模型验证
本章小结
第四章 基于web使用数据管理的知识发现模型研究
4.1 引言
4.2 web使用数据管理的主要内容
4.2.1 用户信息
4.2.2 web日志文件
4.3 web使用知识发现的一般过程
4.4 web使用数据预处理
4.4.1 数据清洗
4.4.2 建立会话数据库
4.5 基于web使用数据管理的聚类分析模型
4.5.1 web用户浏览行为表示模型
4.5.2 基于用户浏览行为的web聚类模型
4.6 基于相似用户群的web用户浏览行为预测模型
4.6.1 多Markov链预测模型
4.6.2 预测方法
4.6.3 模型验证
4.7 基于相似用户群的最大频繁序列挖掘算法
4.7.1 问题描述
4.7.2 后缀树建立算法
4.7.3 MFS模式挖掘算法
4.7.4 MFS挖掘模型检验
本章小结
第五章 基于语义web挖掘的多Agent IDSS模型研究
5.1 引言
5.2 语义web体系结构
5.3 本体及web本体描述语言
5.3.1 本体概述
5.3.2 web本体描述语言
5.4 Agent体系结构与通信方式
5.4.1 Agent体系结构
5.4.2 多Agent通信方式
5.5 基于语义web挖掘的多Agent IDSS体系结构
5.5.1 体系结构模型
5.5.2 Agent功能概述
5.5.3 领域本体表示模型
5.6 web挖掘Agent系统中的知识发现模型
5.6.1 语义web页面分类模型
5.6.2 基于领域本体的web使用知识发现挖掘模型
5.7 多Agent IDSS实现的关键技术
5.7.1 知识的发现与推理技术
5.7.2 多Agent通信与多库协同技术
本章小结
第六章 多Agent IDSS在智能电子学习系统中的应用
6.1 背景分析
6.2 智能电子学习系统的决策功能分析
6.2.1 决策功能结构模型
6.2.2 决策功能概述
6.3 智能电子学习系统体系结构分析
6.4 系统主要库管理模块设计
6.4.1 模型库管理
6.4.2 知识库管理
6.4.3 领域本体库管理
6.4.4 用户信息库管理
6.5 智能电子学习系统推荐模型
本章小结
第七章 总结与展望
7.1 全文总结
7.2 今后研究展望
参考文献
发表论文和参加科研情况说明
致谢
发布时间: 2007-07-10
参考文献
- [1].面向语义Web的领域本体表示、推理、集成及其应用研究[D]. 宋峻峰.国防科学技术大学2006
- [2].面向RP领域的Web服务自主组建方法研究与应用[D]. 吴镝.上海大学2011
- [3].教育资源云服务本体与技术规范研究[D]. 杨志和.华东师范大学2012
- [4].基于语义的Web服务集成研究及其应用[D]. 蔡海尼.重庆大学2014
- [5].面向服务的语义可组合仿真关键技术研究[D]. 张童.国防科学技术大学2008
- [6].基于本体的Web数据语义信息的表示与处理方法研究[D]. 徐振宁.中国人民解放军国防科学技术大学2002
标签：挖掘论文; 文档分类模型论文; 使用知识发现模型论文; 语义环境论文; 领域本体论文; 智能决策支持系统模型论文;