数据挖掘算法在智能答疑系统中的应用研究

论文摘要

数据仓库和数据挖掘是数据库研究、开发和应用最活跃的分支之一。数据挖掘指的是从大型的数据库或数据仓库中提取人们感兴趣的知识,这些知识是隐含的,事先未知的潜在有用信息。数据挖掘工具将为基于数据仓库的决策支持系统开发提供良好的技术支持,以发现数据仓库中潜在的知识。本课题将数据挖掘算法应用于智能答疑系统中,提出了一套基于数据挖掘算法的答疑设计方案并加以实现,目标是改正当前的汉语答疑系统中存在的一些缺点,实现一个高效快速准确的智能答疑系统。本课题首先对数据仓库技术和数据挖掘技术进行了简要的回顾,在提出其基本概念的基础上,对数据仓库和数据挖掘的体系框架及运行过程也作了详细的探讨。为本文的全面展开奠定了基础。然后重点讨论了关联规则挖掘算法和文本聚类算法,做了一定的改进,并将其用于答疑系统数据仓库设计中。其基本思想:将基于关键词的关联规则用于文档的相似度计算中,可以从每个问题所对应的许多答案中抽取出一个最优答案生成一个一一对应的问题答案对库。再执行基于关联规则的文本聚类算法,实现问题分类存储。将聚类后的每一类问题应用关联规则,可以得到更加准确的关联表,同时也促使相似度的精确度得以提高。经过以上工作便可以得到一个分类存储,答案准确度高的数据仓库。最后利用基于关键词关联度的相似度计算方法进行系统答疑,实现一个答疑准确的智能答疑系统。经过多次试验证明,基于数据挖掘算法的智能答疑系统可以有效的提高系统答疑准确率,因实现了数据分类存储,因此在答疑的速率上也有了一定的提高。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 智能答疑系统发展现状
• 1.2.2 数据挖掘技术发展现状
• 1.3 论文的研究工作成果
• 1.4 论文的组织结构
• 第二章 数据仓库技术
• 2.1 从数据库到数据仓库
• 2.2 数据仓库的定义
• 2.3 数据仓库的体系结构
• 2.4 数据仓库的功能描述
• 2.5 数据仓库的数据模型
• 2.6 数据仓库工具
• 2.7 数据仓库的实现
• 第三章 数据挖掘技术
• 3.1 数据挖掘的技术基础
• 3.1.1 数据挖掘的概念
• 3.1.2 数据挖掘的方法与技术
• 3.1.3 数据挖掘的分析方法
• 3.2 数据挖掘系统的体系结构及挖掘步骤
• 3.2.1 数据挖掘的三级结构
• 3.2.2 数据挖掘的步骤
• 3.3 文本挖掘
• 3.3.1 文本挖掘的定义
• 3.3.2 文本挖掘的过程
• 3.3.3 文本挖掘的方法
• 3.3.4 文本挖掘技术的应用
• 第四章 数据挖掘算法在答疑系统数据仓库中的应用
• 4.1 关联规则算法及其应用
• 4.1.1 关联规则的基本概念
• 4.1.2 关联规则的挖掘步骤
• 4.1.3 经典算法-Apriori 算法
• 4.1.4 Apriori 算法应用与实现
• 4.2 文本聚类
• 4.2.1 数据预处理—自动分词算法及演示
• 4.2.2 文本特征表示与向量空间模型
• 4.2.3 文本特征提取和权重计算
• 4.2.4 关联度与相似度算法研究、改进及实现
• 4.2.5 k-means 聚类算法及应用
• 4.3 算法在数据仓库中的应用
• 4.3.1 算法的应用思想
• 4.3.2 算法的应用流程图
• 4.3.3 数据仓库的整理与实现
• 第五章 数据挖掘技术在智能答疑系统中的应用
• 5.1 系统主要功能模块
• 5.2 系统答疑算法设计图
• 5.3 系统功能实现
• 5.4 实验结果与结论
• 第六章 结束语
• 6.1 全文总结
• 6.2 进一步研发设想
• 6.3 心得体会
• 致谢
• 参考文献
• 攻读硕士学位期间发表的学术论文目录