以本體論為基礎的資料採礦方法發展與應用

機構典藏 > College of Business and Management > Department of Management Sciences > Research Paper > Item 987654321/6031

Please use this identifier to cite or link to this item: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/6031

Title:	以本體論為基礎的資料採礦方法發展與應用
Other Titles:	The Development and Application of Ontology-Based Data Mining Approach
Authors:	廖述賢
Contributors:	淡江大學經營決策學系
Keywords:	本體整合;資料採礦;本體關聯;本體分群;關聯法則;集群分析;股市投資組合
Date:	2007
Issue Date:	2009-03-16 13:22:24 (UTC+8)
Abstract:	本體論(Ontology)透過概念、實體、物件的關聯與展開，為電腦科學(computer science)與人工智慧(artificial intelligence)提供了人類心智與知識表達(human mind and knowledge representation)的理論基礎。經過本體展開之後的知識表達，可以將本體內的脈絡關係(contextual relationship)表達出來，從而將具體而存在的本體信念，透過本體關聯的圖形予以說明。但是不同的本體存在於不同的問題定域(problem domain)，就會形成不同的本體類別(ontology category)，當不同的本體類別分散而無法結合時，相對於問題定域的知識表達(knowledge representation)亦會不完整。因此，當問題的領域包括不同本體(或者相近的本體)時，如何將不同本體間的屬性連結？連結的法則該如何設定？以完成本體整合(ontology integration)。本研究擬修改(Rodriguez & Egenfoher, 2003)及( Han et al. 2006)的演算法，在演算法中以矩陣資料取代向量資料，使得本體整合時無法重疊或者重疊效果不佳的情形能夠改善，同時完成類別層級整合與關聯(class hierarchy integration and relation)的運算處理。本體整合完成之後，本研究發展星狀綱要資料庫(star schema database)，使用資料採礦方法(data mining approach)，修改與調整Apriori algorithm在多層級關聯的運算，並且與FP-Tree algorithm在本體關聯時的效率結果作比較。二階段集群分析(two-stage cluster analysis)則是驗證本體類別間是否具有本體群別，與本體關聯相互探勘本體知識發現(knowledge discovery)的結果。最後，本研究以台灣股票市場為例進行股市投資組合分析，來驗證本體整合、本體關聯、與本體分群方法發展的可行性。
Appears in Collections:	[Department of Management Sciences] Research Paper

Files in This Item:

There are no files associated with this item.

Loading...