计算机科学 ›› 2016, Vol. 43 ›› Issue (Z11): 466-468.doi: 10.11896/j.issn.1002-137X.2016.11A.104
崔阳,刘长红
CUI Yang and LIU Chang-hong
摘要: 因果关联规则是知识库中一类特殊且重要的知识类型,相对一般关联规则,其优势在于能够揭示深层知识。首先对因果关系的特征和因果关联规则的挖掘方法进行了简介。针对在挖掘初始阶段如何限定可能导致结果的原因变量集合这一问题,运用了约束网络原理来构建一个实际系统变量间的因果关系结构。通过该因果关系结构可以比较容易地导出原因变量集合及各变量的类型,从而降低挖掘的复杂性,为提高挖掘结果的准确性提供有利条件。约束网络的引入优化了因果关联规则的挖掘过程,使之趋于更完备。
[1] 杨炳儒.基于内在机理的知识发现理论及其应用[M].北京:电子工业出版社,2004:152-153 [2] Iwasaki Y,Simon H A.Theories of causal ordering:Reply to de Kleer and Brown[J].Artificial Intelligence,1986,9(1):63-72 [3] 杨炳儒,钱榕,张伟.语言场理论及其在知识发现中的应用[J].计算机工程,2005,31(24):10-12 [4] De Kleer J,Bronw J S.A qualitative based on confluences[J].Artificial Intelligence,1984,4(1-3):7-83 [5] Iwasaki Y,Simon H A.Retrospective on causality in device behavior[J].Artificial Intelligence,1993,9(1):141-146 [6] Angel F L,Vicente M B,Eduardo M R.Causal temporal constraint networks for representing temporal knowledge[J].Expert Systems with Applications,2009,36(1):27-42 [7] 石纯一,廖士中.定性推理方法[M].北京:清华大学出版社,2002:122-124 [8] Verma T,Pearl J.Causal Networks:Semantics and Expressiveness[J].Machine Intelligence & Pattern Recognition,2013,9:69-76 |
No related articles found! |
|