非合作结构化深网重叠数据特征自动挖掘仿真

论文摘要

深网作为网络数据的载体,其中包含了大量的网络数据,可为科学研究及挖掘应用提供优质的分析数据集。但非合作结构化深网数据亦是异构的,使得传统方法挖掘结果普遍存在着挖掘精度较低、挖掘时间较长、内存占用率较高等问题。提出基于分层抽样的深网重叠数据特征自动挖掘方法。通过对非合作结构化深网重叠数据进行分析,采用贝叶斯网络方法确定相应的标签,建立动态全局模式,在此模式下,利用元组分层抽样的方法对深网重叠数据特征进行分层抽样,实现对深网重叠数据特征自动挖掘。实验结果表明,所提方法挖掘精度较高、挖掘时间较短、内存占用率较低。

论文目录

• 1 引言
• 2 深网重叠数据特征自动挖掘方法
•   2.1 建立全局模式
•   2.2 全局模式下深网重叠数据特征挖掘
•     1)确定深网重叠数据抽样层次
•     2)确定每层深网重叠数据样本量
•     3)每层随机抽样选取深网重叠数据样本。
• 3 实验与仿真证明
• 4 结束语

文章来源

类型: 期刊论文

作者: 杨蕗菡

关键词: 非合作结构化,深网重叠数据,挖掘,全局模式

来源: 计算机仿真 2019年11期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用

单位: 西安建筑科技大学管理学院

分类号: TP311.13

页码: 251-254

总页数: 4

文件大小: 342K

下载量: 20