论文摘要
大数据反映了人们的生活习惯、社会规律以及自然规律.数据流作为大数据最重要的表现形式之一,应用的范围非常广泛.在实际的数据流应用领域中,连续数据点组成的波段在宏观层次上展示了丰富的语义,因此以模式（波段）为粒度来表达数据流显得尤为重要.为此基于SP-tree挖掘的可伸缩模式,提出了Pattern2vec的方法,将可伸缩模式向量化,利用向量来发现数据流上潜在的隐含语义,完成分类工作.在医疗和电力数据开展实验,实验结果表明,Pattern2vec相比其他对比方法,具有更好的分类表现.
论文目录
文章来源
类型: 期刊论文
作者: 邱镇,王琪媛,刘迪,孟洪民
关键词: 大数据,可伸缩模式,向量化,隐含语义,分类
来源: 中国科学技术大学学报 2019年07期
年度: 2019
分类: 基础科学,信息科技
专业: 计算机软件及计算机应用
单位: 国网信息通信产业集团有限公司
基金: 国家电网科技项目(52110418002W)资助
分类号: TP311.13
页码: 524-532
总页数: 9
文件大小: 2515K
下载量: 16