论文部分内容阅读
随着互联网的不断发展,大量的信息以各种方式在互联网上传播,人们在享受信息时代带来的便利时也同时面临着如何整合互联网信息的难题,为了解决这些问题,人们提出各种方式定义和表达这些信息,其中,把信息组织为“事件”是整合信息的方式之一。近年来,对于事件的研究越来越深入,在自然语言处理、信息检索等领域中把事件作为基本概念。为了更好地表示信息之间的联系,挖掘事件之间的关联关系显得尤为重要。在获取了足够多的Web事件后,研究事件之间的关系会帮助我们对这些事件形成一个总体的、系统的认知。本文侧重研究商业智能领域下的事件关联关系。在商业智能领域,事件之间有无关联、关联性强弱非常重要,关联关系已经能够为分析人员提供足够多的信息,所以不需要深入研究事件之间的逻辑关系,如因果关系、伴随关系等。本文使用频繁模式挖掘方法挖掘事件之间隐式的关联关系(称为FAM算法),并且使用共现分析算法挖掘显式关联关系,针对已有关联关系构建C4.5决策树用于挖掘不频繁的关联关系,最后对事件之间的关联强度做出量化标准。由于事件是在网页中提取的,上下文(Context)是指提取事件的源网页,在同一上下文中,事件之间是可能有关系的。如果两个事件在许多上下文中都共现过,那他们之间存在关联的可能性就很大。并且,他们在上下文中的位置越近,那么他们之间的关联也就越大。针对这一点,本文采取共现分析的方法,找出有共现行为的事件对,并计算事件对共现的概率作为由上下文(Context)共现得到的关联强度值。根据实体在数据集成系统中的背景知识对事件的隐式发生模式进行挖掘,并用对公司之间的关联关系提取事件实体属性、发生时间间隔等构建C4.5决策树,使用相似度计算的方法提取事件之间可能存在的非频繁的隐式关系。从事件的定义可知,事件是由实体和时间组成的,因此试图从这两个方面入手,基于数据集成系统中对实体背景知识的分析结果对事件进行分类,并对事件的先后时间关系组成事件序列进行挖掘。对那些频繁出现的事件模式,我们称为事件频繁情节。对频繁模式中出现的频繁事件对,计算共现概率作为关联强度。同时,属于同一上层类(往往是同一组织或公司)的事件模式的时间跨度相对较长,因此对同一和不同上层类的事件对进行了不同的处理。在关联强度量化方面,将以上三种方法得到的关联强度加权得到最终的关联强度,并且使用人工标注的事件关联图作为标准判断各自的权重。