5个研究背景和意义示例,教你写计算机频繁子图挖掘论文

今天分享的是关于频繁子图挖掘的5篇计算机毕业论文范文, 如果你的论文涉及到频繁子图挖掘等主题,本文能够帮助到你

知识图谱中的图聚集方法研究

这是一篇关于知识图谱,图聚集,图摘要,频繁子图挖掘的论文, 主要内容为知识图谱为各种领域中实体之间的关系建模提供了强大的支撑。而近年来随着数据集的爆炸式增长,数据的传输、存储和有关知识图谱的挖掘任务也因此受到挑战。图聚集方法提供了一种面向这些问题的解决思路。图聚集方法是在保持图整体结构的同时,将节点和边进行有效地合并,从而得到更为简洁、抽象的超图的过程。与传统的图聚集方法不同,本文提出了一种无损的面向知识图谱的图聚集方法,可以有效地把一个知识图谱划分成一个规模较小,但包含核心知识的摘要知识图谱,以及由其他从属知识构成的详细知识图谱。将知识图谱中的核心部分和详细部分分离能够大大减少搜索空间从而加速挖掘任务,而详细知识图谱也可以重新加入摘要知识图谱还原为原始知识图谱。本文提出的图聚集方法包含多种图聚集策略,每种聚集策略都能有效地识别并压缩知识图谱中的特定结构,从而提高面向这些特定结构的知识图谱挖掘算法的效率。本文的主要工作包括:(1)提出了非聚焦式的聚集方法,包括对等聚集、依赖聚集和子图聚集策略,这些聚集策略分别挖掘出了数据集中的等价结构、依赖结构、模式结构。(2)提出了聚焦式的聚集方法,该方法能根据用户的需求去除无关实体,返回只包含特定类型实体的聚集图。(3)设计并通过多组实验验证了图聚集方法的压缩性能和辅助路径计算的性能,并提供了展示聚集结果的用户友好型页面。本文提出的方法提供了聚集方法辅助挖掘任务的新思路,对于图聚集方法的研究和实践具有重要意义。

基于知识图谱的文本多元关系抽取系统的设计与实现

这是一篇关于多元关系,知识图谱,频繁子图挖掘,关系抽取的论文, 主要内容为从文本中进行关系抽取一直是信息检索和自然语言处理的重要研究课题,二元关系抽取的研究工作已经有了相当多的成果。而多元关系也广泛存在于文本中,针对多元关系的抽取则是一个较新的领域。在知识图谱中,多元关系以结构化的形式存在。这些多元关系由多个二元子关系组成。相对于文本,在结构化的知识图谱中寻找多元关系的工作较少。本文首先提出了一个针对知识图谱的多元关系挖掘方法,然后将知识图谱中挖掘得到的多元关系和现有的关系抽取工作结合,对文本进行多元关系抽取。本文的具体工作包括:1.提出一个针对知识图谱的多元关系挖掘方法。该方法通过多标签频繁子图挖掘算法,从知识图谱中挖掘潜在的多元关系。2.使用知识图谱的多元关系挖掘结果进行远监督学习,生成文本多元关系样本,并以此来训练文本多元关系抽取模型。3.设计并实现基于以上方法的文本多元关系抽取系统。本文通过实验将知识图谱中的多元关系应用于文本多元关系抽取,改进了基于远监督学习的文本多元关系抽取的效果,并为远监督学习样本的生成提供了新思路。本文还设计并实现了基于以上方法的文本多元关系抽取系统,方便研究人员从知识图谱中发现各种多元关系并在文本中抽取这些多元关系。