一种基于可伸缩模式的潜在语义挖掘方法

作     者：邱镇 王琪媛 刘迪 孟洪民 QIU Zhen;WANG Qiyuan;LIU Di;MENG Hongmin

作者机构：国网信息通信产业集团有限公司北京102211 国网(北京)节能设计研究院有限公司北京100052 

基　　金：国家电网科技项目(52110418002W)资助 

出 版 物：《中国科学技术大学学报》 (JUSTC)

年 卷 期：2019年第49卷第7期

页      码：524-532页

摘      要：大数据反映了人们的生活习惯、社会规律以及自然规律.数据流作为大数据最重要的表现形式之一,应用的范围非常广泛.在实际的数据流应用领域中,连续数据点组成的波段在宏观层次上展示了丰富的语义,因此以模式(波段)为粒度来表达数据流显得尤为重要.为此基于SP-tree挖掘的可伸缩模式,提出了Pattern2vec的方法,将可伸缩模式向量化,利用向量来发现数据流上潜在的隐含语义,完成分类工作.在医疗和电力数据开展实验,实验结果表明,Pattern2vec相比其他对比方法,具有更好的分类表现.

主 题 词：大数据 可伸缩模式 向量化 隐含语义 分类 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.0253-2778.2019.07.002

馆 藏 号：203892797...