语义Web中RDF数据的关联规则挖掘方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11-13页 |
| 第2章 理论基础 | 第13-46页 |
| 2.1 语义Web相关理论 | 第13-26页 |
| 2.1.1 RDF数据模型 | 第13-15页 |
| 2.1.2 模式定义语言RDFS | 第15-21页 |
| 2.1.3 本体描述语言OWL | 第21-26页 |
| 2.2 SPARQL查询语言 | 第26-41页 |
| 2.2.1 SPARQL简介 | 第26-27页 |
| 2.2.2 基于图模式的SPARQL查询 | 第27-41页 |
| 2.3 关联规则挖掘 | 第41-46页 |
| 2.3.1 关联规则的意义 | 第41-42页 |
| 2.3.2 关联规则的定义 | 第42-43页 |
| 2.3.3 关联规则的种类 | 第43-44页 |
| 2.3.4 关联规则的挖掘方法 | 第44-46页 |
| 第3章 RDF数据的挖掘方法 | 第46-57页 |
| 3.1 数据挖掘的过程 | 第46-48页 |
| 3.1.1 数据挖掘的定义 | 第46页 |
| 3.1.2 数据挖掘的步骤 | 第46-48页 |
| 3.2 用户指定挖掘模型 | 第48-50页 |
| 3.3 项目集和事务的产生 | 第50-53页 |
| 3.4 关联规则的产生 | 第53-57页 |
| 3.4.1 APRIORI介绍 | 第53页 |
| 3.4.2 APRIORI算法实例 | 第53-55页 |
| 3.4.3 由频繁项目集产生关联规则 | 第55-57页 |
| 第4章 生物医学领域的关联规则挖掘 | 第57-72页 |
| 4.1 生物医学信息的范畴与特点 | 第57-61页 |
| 4.1.1 生物医学信息的范畴 | 第57-61页 |
| 4.1.2 医学信息的特点 | 第61页 |
| 4.2 实验过程 | 第61-71页 |
| 4.2.1 定义所需的挖掘方式 | 第62页 |
| 4.2.2 项集的产生 | 第62-71页 |
| 4.3 试验结果分析 | 第71-72页 |
| 第5章 关联规则挖掘的扩展 | 第72-82页 |
| 5.1 关联规则挖掘的其他算法 | 第72-76页 |
| 5.2 多层关联规则挖掘 | 第76-77页 |
| 5.3 多维关联规则挖掘 | 第77-82页 |
| 5.3.1 多维关联规则 | 第78页 |
| 5.3.2 数据立方体 | 第78-79页 |
| 5.3.3 多维关联规则算法 | 第79-82页 |
| 结论 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 附录 关联规则程序 | 第87-95页 |
| 致谢 | 第95页 |
