基于层次空间聚类的表语义汇总算法

摘要：

通过数据概化,在多维属性的属性值概念分层上构造少量的具有抽象语义的元组来替换大量具有详细语义的原始元组,从而汇总数据表,这称作表语义汇总.给定原始数据表及其多维属性的属性值的概念分层,表语义汇总的目标是产生规定压缩率且保留尽可能多的语义信息的汇总表.现有算法采用在概化元组集合中寻找最佳概化元组组合的策略将其转换成Set-Covering问题来解决,尽管采取了多种优化策略(如预处理、分级处理)来提高效率,但仍存在转换开销大、算法框架复杂且不易扩展到高维属性等缺点.通过定义多维属性层次结构的度量空间将该问题转换为多维层次空间聚类问题并引入dewey编码来提高转换效率,提出了基于快速收敛的层次凝聚和基于层次空间分辨率调整的两种聚类算法来高效地建立语义汇总表.经真实数据集上的实验表明,新算法在执行效率和汇总质量土都优于现有方法.

关键词：数据概化、概念分层、语义汇总、层次聚类

所属期刊栏目：39

分类号：TP311(计算技术、计算机技术)

资助基金：国家“十一五”部委预研基金513150402

在线出版日期：2012-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：163-169