利用概念相关性兴趣度度量检测重要模式
人工智能
2022-12-22 v1 社会与信息网络
摘要
发现有意义的概念结构是数据挖掘与知识发现应用中的一项重要任务。尽管形式概念分析中定义的现成兴趣度指标可在多种情形下提供有效的相关性评估，但在面对大规模形式背景（及概念格）且存在不相关概念时，常给出不充分的结果。本文引入概念相关性（CR）得分，一种用于识别可操作概念的可扩展新型兴趣度度量。从概念视角看，极小生成子提供关于其关联概念内涵的关键信息。此外，概念的相关属性是那些维持其闭包条件满足的属性。因此，CR 的指导思想利用了极小生成子与相关属性可被高效用于评估概念相关性这一事实。据此，CR 指标量化了每个概念内涵中概念相关属性的数量以及极小生成子的数目。我们在合成与真实数据集上的实验显示了该度量相对于知名稳定性指标的效率。
引用
@article{arxiv.2110.11262,
title = {Detecting Important Patterns Using Conceptual Relevance Interestingness Measure},
author = {Mohamed-Hamza Ibrahim and Rokia Missaoui and Jean Vaillancourt},
journal= {arXiv preprint arXiv:2110.11262},
year = {2022}
}