基于层次空间聚类的表语义汇总算法.pdfVIP

第39卷第3期 计算机科学 V01．39No．3 2012年3月 Science Mar2012 Computer 基于层次空间聚类的表语义汇总算法 孙狮卢炎生 (华中科技大学计算机学院 武汉430074) 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 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 中图法分类号TP311文献标识码A toSemantic theTablewith Structures Clustering-basedAlgorithms Summarizing SUN LU ChongYan-sheng of ofScienceand 430074，China) (SchoolComputerScience，HuazhongUniversity Technology，Wuhan AbstractTablesemanticsummarizationistocreateasmallsize table afew to summarybyusing generaltuplesreplace all intherawdatatablewiththe of hierarchies．Theaimofsummarizationistorestrict tuples helpattributes’concept itasIiK)re thesizeofthe tabletoafixedvaluewiththesemanticinformationremainedin as exis- summary possible．The methodtranslatestablesummarizationtoa and muchcostinthe translation ting set-coveringproblemspends problem whichmakesit definedthemetric of withmulti-attributes’hierarchidalstructureand impractical．We spacetuplas translatedthis toa inahierarchial two washierarchial problemclusteringproblem space．Weproposedalgorithms．One