教師資料查詢 | 類別: 研究報告 | 教師: 廖述賢 LIAO SHU-HSIEN (瀏覽個人網頁)

標題:以本體論為基礎的資料採礦方法發展與應用
學年
學期
出版(發表)日期2007/01/01
作品名稱以本體論為基礎的資料採礦方法發展與應用
作品名稱(其他語言)The Development and Application of Ontology-Based Data Mining Approach
著者廖述賢
單位淡江大學經營決策學系
描述計畫編號NSC96-2416-H032-003-MY2;研究期間200708~200807;研究經費693,000
委託單位行政院國家科學委員會
摘要本體論(Ontology)透過概念、實體、物件的關聯與展開,為電腦科學(computer science)與人工智慧(artificial intelligence)提供了人類心智與知識表達(human mind and knowledge representation)的理論基礎。經過本體展開之後的知識表達,可以將本體內的脈絡關係(contextual relationship)表達出來,從而將具體而存在的本體信念,透過本體關聯的圖形予以說明。但是不同的本體存在於不同的問題定域(problem domain),就會形成不同的本體類別(ontology category),當不同的本體類別分散而無法結合時,相對於問題定域的知識表達(knowledge representation)亦會不完整。因此,當問題的領域包括不同本體(或者相近的本體)時,如何將不同本體間的屬性連結?連結的法則該如何設定?以完成本體整合(ontology integration)。本研究擬修改(Rodriguez & Egenfoher, 2003)及( Han et al. 2006)的演算法,在演算法中以矩陣資料取代向量資料,使得本體整合時無法重疊或者重疊效果不佳的情形能夠改善,同時完成類別層級整合與關聯(class hierarchy integration and relation)的運算處理。本體整合完成之後,本研究發展星狀綱要資料庫(star schema database),使用資料採礦方法(data mining approach),修改與調整Apriori algorithm在多層級關聯的運算,並且與FP-Tree algorithm在本體關聯時的效率結果作比較。二階段集群分析(two-stage cluster analysis)則是驗證本體類別間是否具有本體群別,與本體關聯相互探勘本體知識發現(knowledge discovery)的結果。最後,本研究以台灣股票市場為例進行股市投資組合分析,來驗證本體整合、本體關聯、與本體分群方法發展的可行性。
關鍵字本體整合;資料採礦;本體關聯;本體分群;關聯法則;集群分析;股市投資組合
語言
相關連結
SDGs
Google+ 推薦功能,讓全世界都能看到您的推薦!