[发明专利]基于关联规则挖掘技术挖掘建设法规领域数据的方法

权利要求书

1.基于关联规则挖掘技术挖掘建设法规领域数据的方法，具体包含以 下步骤：

步骤一，生成建设法规文本向量空间模型，该建设法规文本向量空间模 型定义为：

di＝((t₁,w_i1),(t₂,w_i2),…,(t_n,w_in))    （1）

步骤二，生成建设法规数据向量空间模型，建设法规数据的第 i(i＝k+1,k+2,…,n)个特征词的向量空间模型为：

t_i＝(w_i1,w_i2，...,w_im)    （2）

公式（1）和（2）中，t为特征词，k为文本向量空间分量中与同义词 和近义词词典中相对应，权值被赋予1的特征词的个数；w_ij表示第i个特征 词在第j(j＝1,2,…,m)个文本的向量空间模型式中出现的情况，w_ij的取值 为1或0，w_ij＝1表示特征词t_i在第j个文本的特征中出现，w_ij＝0表示特征词 t_i在第j个文本的特征中未出现；

步骤三，将建设法规数据向量空间模型转置得到建设法规数据特征向量 空间模型，即生成了建设法规数据频繁特征项集G，G＝{t_i|i＝k+1,k+2，…,n}；

步骤四，输出建设法规数据关联规则，输出建设法规数据关联规则流程 包括如下步骤：

第（1）步，顺序提取频繁特征项集中的一对特征，计算特征间的关联 度ε_ij；

第（2）步，判断ε_ij是否大于等于0.6；若ε_ij大于等于0.6，可得关联规 则则输出关联规则到W3词表中，并转到第（4）步；

第（3）步，若ε_ij小于0.6，则进行第（4）步；

第（4）步，判断是否到频繁特征项集尾部，若是则结束，否则转到第 （1）步。

2.如权利要求1所述的方法，其特征在于，对于新到来的文本，重复 步骤一到步骤四，将在新的建设法规文本中存在而在特征词集中不存在的新 特征词加入特征词集，并对新文本进行标引，并对已有文本在新特征形成的 维度上补零。

3.如权利要求1所述的方法，其特征在于，所述的建设法规数据向量 空间模型的生成包括如下步骤：

1）动态建立建设法规数据同义词、近义词、上下位词和关联词后控词 表；

2）对每一篇建设法规文本中的同义词、近义词作为同一个特征词处理， 并赋权值1；

3）将管理、监督、条例、规定、办法、通知规定为文本频率高的词， 对每一篇建设法规文本除去文本特征词频率高的词，余下的词作为候选特征 词；

4）将每一篇建设法规文本中的候选特征词按其频率从高到低降序排列， 并进行累计加总；

5）取阈值T为85%—95%，当上个步骤累计加总的频率达到阈值T时， 对剩下的没有进入累计加总的候选特征词进行删除，对保留下来的候选特征 词赋权值，权值为其相应的频率；

6）汇总所有建设法规文本的特征词形成建设法规数据特征词集；

7）将上个步骤形成的特征词集用布尔赋值方法标引每篇文本，形成建 设法规数据文本向量空间模型；

8）对建设法规数据文本向量空间模型转置得到建设法规数据特征向量 空间模型，即频繁特征项集G。