网络环境下海量信息的局部模式提取方法

海量信息的模式提取是网络环境下海量信息集成研究的难点.给出了一种新的局部精确模式提取及其增量保持方法,通过探测目标集的路径距离,利用Hash类及其路径距离操作,将模式的生成规模控制在"模式直径"范围内,从而有效地抑制了模式膨胀.     

ORDBMS中主动性规则的研究与实现

归纳了ORDBMS(object-relationaldatabasemanagementsystem)主动性规则的一般描述形式,对规则各种语义、规则继承、规则操作、多规则触发以及规则的级联触发进行了全面的探讨.提出并实现了一种适用于ANGEL系统的简化E-C-A(event-condition-action)模型.该模型提供了对"更新/更新”、"查询/更新”、"更新/查询”和"查询/查询”这4类规则的支持、对C-A分离耦合模式以及对冲突执行触发器的优先级定义手段,并通过在触发约束表示中将NEW与OLD扩展为一种路径量词而提供了对集合约束的表示和实施能力.另外,还讨论了该模型中基于事务的规则行为分析方法.     

数据管理技术的重要方向

数据管理技术是信息技术发展的基础。据统计,企业数据规模正以每年200％的速度增长,且90％是非结构化内容数据(如文档、音视频流等)。与此同时,为了有效地利用数据,人们迫切需要一个经过整合的综合信息基础架构。为了满足这些需求,     

管理信息系统的开发途径——一个大型系统BD-MIS的研制

本文简单介绍了北京电视机厂计算机辅助企业管理系统(BD—MIS)的系统结构和功能特点;阐述了管理信息系统开发中的数据库设计方法和增量开发方法,以及用户参与系统开发的重要性。     

基于受限汉语的数据库自然语言接口技术研究

介绍了一种新的基于受限汉语的数据库自然语言接口NLCQI(natural language (Chinese) query interface)的系统模型及设计框架.给出系统实现中具有特色的多栈结构的中间语言以及以关联路径搜索方法实现的中间语言向SQL转换的策略.实验表明,该系统采用的非过程化汉语查询句表达方式较自然,对汉语句型的理解、处理能力有较大的改进.     

朴素贝叶斯分类中的隐私保护方法研究

数据挖掘中的隐私保护方法,试图在不精确访问原始数据详细信息的条件下,挖掘出准确的模式与规则.围绕着分类挖掘中的隐私保护问题展开研究,给出了一种基于数据处理和特征重构的朴素贝叶斯分类中的隐私保护方法.分别提出了一种针对枚举类型的隐私数据处理与特征重构方法--扩展的部分隐藏随机化回答(Extended Randomized Response with Partial Hiding,ERRPH)方法和一种针对数值类型的隐私数据处理与特征重构方法--转换的随机化回答(Transforming Randomized Response,TRR)方法,并在此基础上实现了一个完整的隐私保护的朴素贝叶斯分类算法.理论分析和实验结果均表明:朴素贝叶斯分类中基于ERRPH和TRR的隐私保护方法具有很好的隐私性、准确性、高效性和适用性.     

一种基于语义内积空间模型的文本聚类算法

现有数据聚类方法在处理文本数据,尤其是短文本数据时,由于没有考虑词之间潜在存在的相似情况,因此导致聚类效果不理想.文中针对文本数据高维度和稀疏空间的特点,提出了一种基于语义内积空间模型的文本聚类算法.算法首先利用内积空间的定义建立了针对中文概念、词和文本的相似度度量方法,然后从理论上进行了分析.最后通过一个两阶段处理过程,即向下分裂和向上聚合,完成文本数据的聚类.该方法成功用于中文短文本数据的聚类.实验表明相对于传统方法,文中提供的方法聚类质量更好.     

ASQL环境中基类扩充的实现

介绍了在ANGEL系统的SQL（ANGEL Structured Query Language,ASQL）环境中，实现基类扩充的两种方式，重点介绍用户定义函数机制，包括UDF内外表示形式的设计，用户函数体目标代码的生成与管理手段，以及动态链接手段的实现等，UDF,ANGEL还实现了用户自定义操作符及操作符重载。     

一种有效的隐私保护关联规则挖掘方法

隐私保护是当前数据挖掘领域中一个十分重要的研究问题,其目标是要在不精确访问真实原始数据的条件下,得到准确的模型和分析结果.为了提高对隐私数据的保护程度和挖掘结果的准确性,提出一种有效的隐私保护关联规则挖掘方法.首先将数据干扰和查询限制这两种隐私保护的基本策略相结合,提出了一种新的数据随机处理方法,即部分隐藏的随机化回答(randomized response with partial hiding,简称RRPH)方法,以对原始数据进行变换和隐藏.然后以此为基础,针对经过RRPH方法处理后的数据,给出了一种简单而又高效的频繁项集生成算法,进而实现了隐私保护的关联规则挖掘.理论分析和实验结果均表明,基于RRPH的隐私保护关联规则挖掘方法具有很好的隐私性、准确性、高效性和适用性.     

数据立方体上的虚拟视图机制

繁琐复杂的分析过程是OLAP面临的主要问题.当前的解决方法由于与具体的分析任务相关而存在不足.在数据立方体中引入虚拟视图机制解决了这个问题.一个虚拟视图是从原始实事表衍生出来的逻辑数据集合.给出了数据立方体上的虚拟视图的定义,并分3种情况讨论了虚拟视图的实现策略,以及对应的OLAP分析方法.实验证明了所述方法的可行性和有效性.