Jul, 2023

数字关联规则挖掘：系统文献综述

PDF
TL;DR本文通过进行系统化文献综述，提供了从 1996 年到 2022 年发表的 1140 篇学术论文的方法、算法、指标和数据集的深入研究，探讨了数字联想规则挖掘的重要研究问题、现状和未来可能性，并提出了一种新颖的离散化度量来提供与人类分区感知相符的数字数据分区。
numerical association rule miningdiscretization approachessystematic literature reviewalgorithmsdiscretization measure
发现论文，激发创造
  • 关联规则挖掘的可视化方法综述：分类、挑战、未解之谜和未来思路

    该文为关联规则挖掘领域的文献综述，介绍了该领域主要的技术和应用，并旨在定义未来研究方向。

    Feb, 2023

  • 数值属性的离散化：人类感知的分析

    本研究通过收集人类和数据科学、统计学以及工程专家的反馈，分析了数值属性的分割，提出了两种度量方法，结果显示约 68.7% 的人类反馈与我们的度量方法一致，因此我们的度量方法可作为一种用于数值属性离散化的方法之一。

    Nov, 2023

  • 利用自编码器进行关联规则挖掘

    本文提出一种基于自编码器的关联规则挖掘算法 ARM-AE，通过比较三个分类数据集上的实验结果表明，该算法能够高效且准确地挖掘出高置信度和支持度的关联规则。

    Apr, 2023

  • 采用形式概念分析重新审视数值模式挖掘

    本文探讨了在正式概念分析框架下挖掘数值数据的问题。我们提出了一种更加精确高效的方法，并使用真实数据进行了评估，证明了其优越性。

    Nov, 2011

  • 量子隐私保护数据挖掘

    本文介绍了一种用于在垂直分割数据库上挖掘关联规则的量子协议，该协议可以提高已知经典协议保存的隐私级别，同时可以指数级降低计算复杂度和通信成本。

    Dec, 2015

  • 一篇有关想法挖掘的系统文献综述：使用机器驱动分析生成创意

    本研究旨在研究机器驱动的分析技术来生成创意，并基于文献综述得出了一些有效技术，如文本挖掘、信息检索、深度学习、机器学习、统计技术、自然语言处理和基于 NLP 的形态分析。同时，也提出了用于进一步研究的建议。

    Jan, 2022

  • 从学术文章中提炼文本分类和物体识别的框架

    本论文提出了一种机器学习与基于规则的混合方法，称为 TBRF，用于数据挖掘学术论文中的特定信息，通过分析学术论文中的标准布局和排版方法，通过实验验证表明，该方法可以在分类准确率和表格及图片检测准确率方面达到超过 95% 和 90% 的精度。

    May, 2023

  • 面向目标的序列规则

    本文提出了一种高效算法（TaSRM）进行目标时序规则挖掘，并结合实验结果分析了它与现有算法在运行时间、内存消耗、可扩展性以及不同查询规则下的表现，证明了其比基线算法更具实验性能。

    Jun, 2022

  • 医学文献中表格信息提取框架

    该研究提出了一种从医学文献中的表格中提取数值和文本信息的方法，包括表格检测、功能处理、结构处理、语义标记、语用处理、单元选择和句法处理等七个步骤，F - 度量值范围在 82% - 92% 之间.

    Feb, 2019

  • 基于 MDL 的序列规则压缩

    本文通过最小描述长度 (MDL) 和两个度量标准来进行连续规则的压缩，提出了一种基于设计的连续规则编码方案的 MDL 压缩解决方案 ComSR。实验结果表明，该方法能够找到一组有效的、紧凑且有意义的连续规则，从而实现数据库的压缩，为降低存储空间和传输时间提供了有效的数据挖掘方法。

    Dec, 2022