面向复杂数据源的数据抽取模型和算法研究

针对该问题,首先将源于哲学范畴中的本体引入煤矿生产领域,以矿区监测位置本体作为语义模型与数值描述相结合,形成树状层次结构来描述煤矿复杂多源数据;然后,通过基于语义和数值的混合相似性度量方法计算煤矿数据的相似度;最后通过实验验证了本文所述方法的可行性和有效性。

首先 ,根据复杂类型数据 (包括Web数据、多媒体数据、空间数据、时间序列数据等 )所具有的非线性动力学性质和特征 ,采用模式 (定义为Hilbert空间中的矢量 )来定量地表征复杂类型数据的多变性及具有的不确定状态和行为 ,并用模式的变化来刻画其整体知识发现过程的发展和演变规律 ;其次 ,以知识发现系统内在机理的研究为基础 ,构造了复杂类型数据知识发现系统的总体结构模型———发现特征子空间模型DFSSM ;最后 ,用基于Web的文本挖掘系统和基于图像信息 (气象云图 )的知识发现系统作为实例进行了验证 ,结果表明DFSSM方法对于非结构化的文本数据及图像数据类型的知识发现过程具有指导性作用。