基于DL关联εL⁺⁺规则挖掘的归纳知识发现

来源：计算机应用研究杂志2020年第7期北京时间：

作者：李春雨,

单位：安阳工学院计算机科学与信息工程学院,河南安阳455000；

摘要：为了从不完整和动态的数据中发现知识，提出了一种基于DL关联εL++规则和归纳推理的一致知识发现。首先通过对描述逻辑εL++规则和演化本体的知识动态性地分析得到了演化本体中的归纳推理学习，它是基于原子集支持度和权值以及关联εL++规则的置信度，通过挖掘εL++规则来实现的；其次，通过获得具有最小支持度和最小权值的代表性关联DLεL++规则，实现对重要规则的精确识别，从而实现归纳知识发现。采用来自于某市历史数据的实验结果表明，提出的方法相比于现有的主流方法在演化本体和动态语义数据中的知识发现不仅有很好的扩展性，而且有更高的准确性。

关键词：动态数据,知识发现,描述逻辑,εL++规则,支持度/置信度,扩展性/准确性,

基金资助：国家自然科学基金资助项目(U1204613)；；