[1]谢开池,薛醒思.基于改进KNN的案例匹配模块的设计与实现[J].福建工程学院学报,2017,15(04):349-357.[doi:10.3969/j.issn.1672-4348.2017.04.009]
 Xie Kaichi,Xue Xingsi.Design and implementation of a case matching module based on improved KNN[J].Journal of FuJian University of Technology,2017,15(04):349-357.[doi:10.3969/j.issn.1672-4348.2017.04.009]
点击复制

基于改进KNN的案例匹配模块的设计与实现()
分享到:

《福建工程学院学报》[ISSN:2097-3853/CN:35-1351/Z]

卷:
第15卷
期数:
2017年04期
页码:
349-357
栏目:
出版日期:
2017-08-25

文章信息/Info

Title:
Design and implementation of a case matching module based on improved KNN
作者:
谢开池薛醒思
福建工程学院信息科学与工程学院
Author(s):
Xie Kaichi Xue Xingsi
College of Information Science and Engineering, Fujian University of Technology
关键词:
案例推理 KNN 微粒群算法
Keywords:
case based reasoning K nearest neighbourhood particle swarm algorithm
分类号:
TP182
DOI:
10.3969/j.issn.1672-4348.2017.04.009
文献标志码:
A
摘要:
为了提高KNN检索策略的检索效率和检索结果的质量,提出一种改进的KNN检索策略。在引入图书馆领域本体和概念语义相似度度量技术的前提下,利用句法结构筛选不合理的案例以降低计算规模,从而提高案例的检索质量和效率,利用改进的微粒群算法优化概念语义相似度度量技术中的组合参数以提高KNN检索的结果质量。实验数据采用福州晓锋科技信息咨询有限公司提供的图书馆参考咨询测试数据。实验结果表明,相比于传统KNN和基于传统PSO的改进KNN方案有效地提高了案例匹配结果的查全率和查准率。
Abstract:
To improve the efficiency and quality of case retrieval, an improved KNN retrieval strategy was proposed. By introducing library domain ontology and concept semantic similarity measurement technology, cases’ syntactic structure was employed to filter out the unreasonable cases to reduce the computation amount (search space) and improve the case retrieval (alignment’s) quality. Then, an improved particle swarm algorithm was presented to determine the optimal aggregating parameters in the similarity measure technologies to improve the case alignment’s quality. In the experiment, the testing cases were from Fuzhou Xiaofeng Science and Technology Information Consulting Ltd., Co,. The experimental results show that compared with the traditional KNN and the traditional PSO-based KNN, the proposal can significantly improve the case alignment’s quality in terms of both recall and precision.

参考文献/References:

[1] 杨斌宇.基于案例的推理在智能决策支持系统中的应用[D].长春:吉林大学,2004.
[2] 王津津.案例推理在决策支持系统中的应用研究[D].合肥:合肥工业大学,2010.
[3] 李锋刚,倪志伟,郜峦.基于案例推理和多策略相似性检索的中医处方自动生成[J]. 计算机应用研究,2010,27(2):544-547.
[4] 张春晓.案例推理的认知改进策略及学习性能研究[D].北京:北京工业大学,2014.
[5] 李小展.基于文本挖掘的医学诊疗案例推理系统的研究与应用[D].广州:广东工业大学,2011.
[6] 费玉莲.面向电子商务的谈判支持系统研究[D].杭州:浙江工商大学,2011.
[7] 李景.领域本体的构建方法与应用研究[D].北京:中国农业科学院,2009.
[8] 崔巍.基于Peer-to-Peer网和地理ontology的系统集成和互操作研究[J].计算机工程与应用,2003,39(32):45-47.
[9] 薛醒思.基于进化算法的本体匹配问题研究[D].西安:西安电子科技大学,2014.
[10] 杨美荣,邵洪雨,史建锋,等.改进的领域本体概念相似度计算模型研究[J].情报科学,2014,32(5):72-77.
[11] 唐中林.基于本体的概念相似度计算方法的研究[D].武汉:武汉理工大学,2013.
[12] 陈沈焰,吴军华.基于本体的概念语义相似度计算及其应用[J].微电子学与计算机,2008(12):96-99.
[13] 董颖,唐加福,许宝栋,等.一种求解非线性规划问题的混合粒子群优化算法[J].东北大学学报(自然科学版),2003,24(12):1141-1144.
[14] 关圣涛,楚纪正,邵帅.粒子群优化算法在非线性模型预测控制中的研究应用[J]. 北京化工大学学报(自然科学版),2007,34(6):653-656.
[15] 王书斌,单胜男,罗雄麟.基于T-S模糊模型与粒子群优化的非线性预测控制[J]. 化工学报,2012,63(S0):176-187.
[16] Shi Yuhui, Eberhart R C. Fuzzy adaptive particle swarm optimization[C]∥Proceedings of the 2001 Congress on Evolutionary Computation. Washington D C: IEEE,2001:101-106.
[17] 刘伟,周育人.一种改进惯性权重的PSO算法[J].计算机工程与应用,2009,45(7):46-48.
[18] 申丹丹,石跃祥,周文杰,等.基于适应值引导的粒子群改进算法[J].计算机工程与应用,2015,51(14):63-66.
[19] 龚小谨,罗振声,骆卫华.汉语句子谓语中心词的自动识别[J].中文信息学报,2003,17(2):7-13.
[20] 张帆,钟金宏,黄玲.改进的领域本体概念相似度计算方法[J].计算机工程,2010,36(23):66-68.
[21] 胡建秀,曾建潮.微粒群算法中惯性权重的调整策略[J].计算机工程,2007,33(11):193-195.
[22] 黄少荣.粒子群优化算法综述[J].计算机工程与设计,2009,30(8):1977-1980.
[23] 王杰文,李赫男.粒子群优化算法综述[J].现代计算机(专业版),2009,30(2):22-27.
[24] 王家超.基于事例推理在甲型H1N1流感诊断中的应用研究[D].沈阳:东北大学,2010.

更新日期/Last Update: 2017-08-25