Please wait a minute...
Advanced Search
现代图书情报技术  2011, Vol. 27 Issue (7/8): 91-96     https://doi.org/10.11925/infotech.1003-3513.2011.07-08.15
  知识组织与知识管理 本期目录 | 过刊浏览 | 高级检索 |
基于负关联规则与频繁项集挖掘的信息检索系统
黄名选1, 余如2
1. 广西教育学院数学与计算机科学系 南宁 530023;
2. 广西教育学院党政办公室 南宁 530023
Information Retrieval System Based on Negative Association Rules and Frequent Itemsets Mining
Huang Mingxuan1, Yu Ru2
1. Department of Math and Computer Science, Guangxi College of Education, Nanning 530023, China;
2. Party and Administration Office, Guangxi College of Education, Nanning 530023, China
全文: PDF (512 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 提出一种新的基于负关联规则与频繁项集挖掘的信息检索系统模型,详细阐述系统模型的设计思想、各模块的功能,以及检索系统实现的三种关键技术(即频繁项集挖掘技术、负关联规则挖掘技术和查询优化扩充技术)及其检索算法。实验结果表明,该检索系统能有效提高和改善信息检索性能。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
黄名选
余如
关键词 信息检索频繁项集负关联规则模型    
Abstract:A novel model of information retrieval system based on negative association rules and frequent itemsets mining is proposed, and its designing conception and the function of each module are expounded. And some key techniques to implement the model and searching algorithm are also expatiated. The results of experiment show that the proposed model can improve and enhance the performance of information retrieval effectively .
Key wordsInformation retrieval    Frequent itemset    Negative association rule    Model
收稿日期: 2011-05-24      出版日期: 2011-10-09
: 

TP391

 
基金资助:

本文系广西教育厅科研项目“基于加权负关联规则挖掘的文本信息检索技术研究”(项目编号:201010LX679)和广西教育学院2010年度院级重点课题“基于正负关联规则的信息检索技术研究”(项目编号:桂教院科研[2010]7号(重点)-3)的研究成果之一。

引用本文:   
黄名选, 余如. 基于负关联规则与频繁项集挖掘的信息检索系统[J]. 现代图书情报技术, 2011, 27(7/8): 91-96.
Huang Mingxuan, Yu Ru. Information Retrieval System Based on Negative Association Rules and Frequent Itemsets Mining. New Technology of Library and Information Service, 2011, 27(7/8): 91-96.
链接本文:  
https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2011.07-08.15      或      https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2011/V27/I7/8/91
[1] Jimeno-Yepes A, Berlanga-Llavori R,Rebholz-Schuhmann D. Ontology Refinement for Improved Information Retrieval[J]. Information Processing & Management, 2010, 46(4): 426-435.

[2] 孙峥,孙瑞志,王剑秦. 网格环境下基于本体的信息检索体系研究[J]. 计算机工程与设计, 2009,30(23): 5392-5399.

[3] 陈欣,李晓菲. 基于领域本体的专业文献信息检索研究[J]. 现代图书情报技术, 2009(7-8):59-64.

[4] 方志,黄荔. 自然语言在信息检索中的应用[J]. 情报探索, 2009(7): 85-87.

[5] 李卫君,赵铁军,臧文茂. 基于文摘的信息检索模型[J]. 软件学报, 2008,19(9): 2329-2338.

[6] 于志敏,张文德. 基于自然语言处理的信息检索[J]. 山东科技大学学报:自然科学版, 2006,25(1): 122-124.

[7] 李晓光,王大玲,于戈. 基于统计语言模型的信息检索[J]. 计算机科学, 2005,32(8):124-127.

[8] 樊红侠. 基于粗糙―模糊集的Web信息检索改进模型[J]. 现代图书情报技术, 2008(8):53-57.

[9] Nowacka K, Zadro ny S, Kacprzyk J. A New Fuzzy Logic Based Information Retrieval Model . In:Proceedings of the 12th International Conference on Information Processing and Management of Uncertainty in Knowledge-Based Systems, Malaga, Spain. 2008: 1749-1756.

[10] 关戍,庄成三,陈定涛.一个基于关联规则的Web信息检索模型[J]. 计算机应用, 2003,23(3):88-90.

[11] 陈小华,赵捧未.基于关联规则的个性化信息检索系统研究[J]. 情报科学, 2006,24(6):915-918.

[12] 熊回香, 许颖颖. 关联规则挖掘在网络信息检索中的应用[J]. 情报杂志, 2008(12):75-77.

[13] 黄名选,严小卫,张师超. 基于完全加权关联规则挖掘和查询扩展的信息检索[J]. 计算机应用与软件, 2009,26(8):26-28.

[14] Agrawal R, Imielinski T, Swami A. Mining Association Rules Between Sets of Items in Large Database . In: Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, Washington D.C. 1993 (5): 207-216.

[15] Han J, Kamber M. Data Mining: Concepts and Techniques [M]. 1st Edition. Morgan Kaufmann Publishers, Inc, 2000.
[1] 王寒雪,崔文娟,周园春,杜一. 基于机器学习的食源性疾病致病菌识别方法*[J]. 数据分析与知识发现, 2021, 5(9): 54-62.
[2] 单晓红,王春稳,刘晓燕,韩晟熙,杨娟. 开放式创新社区领先用户识别——知识基础观视角*[J]. 数据分析与知识发现, 2021, 5(9): 85-96.
[3] 车宏鑫,王桐,王伟. 前列腺癌预测模型对比研究*[J]. 数据分析与知识发现, 2021, 5(9): 107-114.
[4] 朱侯,方清燕. 社会化媒体用户隐私计算量化模型构建及隐私悖论均衡解验证*[J]. 数据分析与知识发现, 2021, 5(7): 111-125.
[5] 陆泉, 何超, 陈静, 田敏, 刘婷. 基于两阶段迁移学习的多标签分类模型研究*[J]. 数据分析与知识发现, 2021, 5(7): 91-100.
[6] 陈星月, 倪丽萍, 倪志伟. 基于ELECTRA模型与词性特征的金融事件抽取方法研究*[J]. 数据分析与知识发现, 2021, 5(7): 36-47.
[7] 黄名选,蒋曹清,卢守东. 基于词嵌入与扩展词交集的查询扩展*[J]. 数据分析与知识发现, 2021, 5(6): 115-125.
[8] 曹睿,廖彬,李敏,孙瑞娜. 基于XGBoost的在线短租市场价格预测及特征分析模型*[J]. 数据分析与知识发现, 2021, 5(6): 51-65.
[9] 孟镇,王昊,虞为,邓三鸿,张宝隆. 基于特征融合的声乐分类研究*[J]. 数据分析与知识发现, 2021, 5(5): 59-70.
[10] 王义真,欧石燕,陈金菊. 民事裁判文书两阶段式自动摘要研究*[J]. 数据分析与知识发现, 2021, 5(5): 104-114.
[11] 伊惠芳,刘细文. 一种专利技术主题分析的IPC语境增强Context-LDA模型研究[J]. 数据分析与知识发现, 2021, 5(4): 25-36.
[12] 李跃艳,王昊,邓三鸿,王伟. 近十年信息检索领域的研究热点与演化趋势研究——基于SIGIR会议论文的分析[J]. 数据分析与知识发现, 2021, 5(4): 13-24.
[13] 石湘,刘萍. 基于知识元语义描述模型的领域知识抽取与表示研究 *——以信息检索领域为例[J]. 数据分析与知识发现, 2021, 5(4): 123-133.
[14] 张鑫,文奕,许海云. 一种融合表示学习与主题表征的作者合作预测模型*[J]. 数据分析与知识发现, 2021, 5(3): 88-100.
[15] 冯勇,刘洋,徐红艳,王嵘冰,张永刚. 融合近邻评论的GRU商品推荐模型*[J]. 数据分析与知识发现, 2021, 5(3): 78-87.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn