跳到主要內容

臺灣博碩士論文加值系統

(44.192.94.177) 您好!臺灣時間:2024/07/17 01:04
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:譚克緯
研究生(外文):Ke-Wei Tan
論文名稱:以關聯法則為基礎之雲端專利分類系統
論文名稱(外文):以關聯法則為基礎之雲端專利分類系統
指導教授:黃佳彥
指導教授(外文):Jia-Yen Huang
學位類別:碩士
校院名稱:國立勤益科技大學
系所名稱:資訊管理系
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2016
畢業學年度:104
語文別:中文
論文頁數:61
中文關鍵詞:雲端運算文件分類奇異值分析可拓理論關聯規則灰關聯分析
外文關鍵詞:Cloud ComputingDocument ClassificationSVDExtension TheoryAssociation RulesGRA
相關次數:
  • 被引用被引用:0
  • 點閱點閱:9460
  • 評分評分:
  • 下載下載:51
  • 收藏至我的研究室書目清單書目收藏:0
隨著雲端運算產業的興起,許多資訊大廠紛紛投入雲端運算的發展,專利分析儼然成為企業生存和發展過程中不可或缺的能力。然而,目前為止,只有少數研究針對雲端運算之專利進行分析。由於雲端運算產業之專利內容包含大量專業領域的詞彙,特徵挑選之結果往往容易對後續之分析結果產生重大影響,有鑑於此,本研究嘗試使用多種特徵擷取策略包含本體論、灰關聯分析、奇異值分析、人工挑選等策略進行特徵擷取。在分類部分,本研究提出以關聯度為基礎之雲端專利分類系統,協助進行特徵挑選及加速對專利分類之速度。針對分類結果提供大量說明往往比將新文件分類更重要,目前主流之分類方法為KNN法、向量空間模型、決策樹、SVM法、自然貝氏法、類神經網路、基因演算法,這些分類方法雖然可以得到不錯的分類效果,但是對於結果的說明能力卻不佳。因此目前較新穎之分類方法為關聯規則式分類,其結果”特徵分類”的形式對於分類結果的說明很有幫助,為此,本研究提出多種分類策略,包含可拓理論、灰關聯分析、相關係數、三階段分類等方法與目前常見之關聯規則分類進行比較。研究結果顯示,三階段分類之分類效果明顯優於關聯規則分類。
Nowadays, with the rise of cloud computing technology, many IT manufacturers have rushed to enter the market. Patent analysis is an essential ability of survival and development for high technology enterprises, however, to date, only a few attempts have been made at the patent classification analysis of cloud computing. Due to the large content of vocabulary in the patents of cloud computing, the results of the feature selection easily have a significant impact on the analysis results. Therefore, this study proposes a compound retrieval strategy to completely collect the features of cloud computing, includes ontology, gray relational analysis(GRA), singular value decomposition(SVD) . In the classification part, this study proposes a classification system of cloud computing based on association degree, this system can assist in the selection of features and speed to the speed of patent classification. Classification results provide a lot of explanation is often more important than the new document classification, mainly for the KNN classification method, vector space model, decision tree, SVM method, Naïve Bayes methods, neural networks, genetic algorithms, although these methods can be a great classification results, but for the ability to explain the result is poor. The current relatively new classification method is based on the associate rule, As a result, the classification description helpful. Therefore, this study proposes multiple classification Strategy, including extension theory, gray relational analysis and the correlation coefficient with the current methods of common association rules classification comparison. The results show that the classification results significantly better than the correlation coefficient of association rules classification.
中文摘要 I
英文摘要 II
致謝 III
目錄 IV
圖目錄 VI
表目錄 VII
第一章緒論 1
1.1研究背景 1
1.2研究動機目的 2
1.3論文架構 2
第二章文獻探討 3
2.1雲端專利簡介 3
2.2專利分類之用途與分類自動化相關技術簡介 3
2.2.1專利分類之相關文獻 4
2.2.2特徵選取之重要性與文獻 5
第三章研究方法 6
3.1分區專利文件檢索 7
3.2專利文件向量化 12
3.3挑選關鍵字 12
3.3.1本體論關鍵字 13
3.3.2灰關聯分析結合TF-IDF與entropy之複合式特徵詞挑選策略 14
3.3.3奇異值分解特徵詞挑選策略 18
3.3.4 TF-IDF+人工挑選 24
3.4關聯函數建立與樣式比對 24
3.4.1可拓理論 25
3.4.2灰關聯分析 26
3.4.3相關係數分類 27
3.4.4三階段分類 28
3.4.5關聯規則 31
第四章資料分析 33
4.1挑選關鍵字 33
4.2關聯函數建立與樣式比對 34
4.2.1留一法 34
4.2.2可拓關聯函數分析 34
4.2.3灰關聯分析 36
4.2.4相關係數分析 38
4.2.5三階段分類 39
4.2.6關聯規則 41
4.3討論 42
4.3.1 可拓理論 42
4.3.2 灰關聯分析 43
4.3.3 相關係數分類 43
4.3.4 三階段分類 43
第五章結論 44
參考文獻 46
中文文獻 46
英文文獻 47


中文文獻
[1]. 王明妤, 許旭昇,(2005) , 應用文件探勘於專利文件之技術分析-以磁阻性隨機存取記憶體為例,管理與系統,12(4) ,79-98。
[2]. 王則眾, 林大維,(2005) ,整合田口式實驗計畫法與灰關聯分析於快速原型製程最優化研究,科技管理學刊,10(4) ,111-138。
[3]. 王靜宇, 趙偉燕,(2014) ,基於Hadoop平台的TFIDF算法並行化研究,計算機工程與科學,36(6) ,1018-1022。
[4]. 沈啟賓, 莊豔蕙,(1991),「灰色系統理論對李福恩十項全能成績的因素分析與成績預測之探討」,省體育學報,19,191-228。
[5]. 周青,(2014) ,專利技術分類構建方法研究,科技情報開發與經濟,(10) , 143-144。
[6]. 張瑞芬、張力元、吳俊逸, 樊晉源,(2012),專利分析與智慧財產管理 - 以資訊技術與知識管理方法為手段,華泰文化出版,台北。
[7]. 陳少棠,(2012),利用網路言論推測房地產交易溫度,元智大學資訊管理學系碩士班碩士論文。
[8]. 陳俊智, 莊明振,(2008) ,以行動電話為例探討灰色田口方法於產品美感品質最佳化設計之研究,設計學報 (Journal of Design), 11(1)。
[9]. 曾元顯, 林瑜一,(2011), 內容探勘技術在教育評鑑研究發展趨勢分析之應用,教育科學研究期刊。
[10]. 楊小強, (2013年),淺談基於SVM和KNN的文本聚類算法系統,廣播電視信息,(10),76-78。
[11]. 許宏圖,(2015),植基於技術功效矩陣之雲端專利網絡研究,國立勤益科技大學資訊管理研究所碩士論文。
[12]. 黃青輝,(2015),雲端運算產業技術叢集與企業競合之研究,國立勤益科技大學資訊管理研究所碩士論文。
[13]. 劉冠廷,(2014),運用關聯法則建置雲端運算專利自動分類系統,國立勤益科技大學研發科技與資訊管理研究所碩士論文。
[14]. 楊竣徨,(2013). 運用文字探勘建置專利技術功效矩陣之成效評估. 創新與經營管理學刊, 4(2) ,162-176。
[15]. 黃魯成,黃斌,吳菲菲,苗紅,(2014).基於專利共類的信息與生物技術融合趨勢分析,情報雜誌, 33 (8) ,59-63。

英文文獻
[1]. Agrawal, R., & Srikant, R. (1994, September). Fast algorithms for mining association rules. In Proc. 20th int. conf. very large data bases, VLDB (Vol. 1215, pp. 487-499).
[2]. Agrawal, R., Imieliński, T., & Swami, A. (1993, June). Mining association rules between sets of items in large databases. In Acm sigmod record (Vol. 22, No. 2, pp. 207-216). ACM.
[3]. Clausius, R. (1865). The mechanical theory of heat: with its applications to the steam-engine and to the physical properties of bodies. J. van Voorst.
[4]. Gupta, V. (1999). Technological trends in the area of fullerenes using bibliometric analysis of patents. Scientometrics, 44(1), 17-31.
[5]. Han, T., & Sim, K. M. (2010, March). An ontology-enhanced cloud service discovery system. In Proceedings of the International MultiConference of Engineers and Computer Scientists (Vol. 1, pp. 17-19).
[6]. Julong, D. (1989). Introduction to grey system theory. The Journal of grey system, 1(1), 1-24.
[7]. Kao, H. Y., Lin, S. H., Ho, J. M., & Chen, M. S. (2004). Mining web informative structures and contents based on entropy analysis. Knowledge and Data Engineering, IEEE Transactions on, 16(1), 41-55.
[8]. Salton, G., & Buckley, C. (1988). Term-weighting approaches in automatic text retrieval. Information processing & management, 24(5), 513-523.
[9]. Salton, G., & McGill, M. J. (1986). Introduction to modern information retrieval.
[10]. Sparck Jones, K. (1972). A statistical interpretation of term specificity and its application in retrieval. Journal of documentation, 28(1), 11-21.
[11]. Taghaboni-Dutta, F., Trappey, A. J., Trappey, C. V., & Wu, H. Y. (2009). An exploratory RFID patent analysis. Management Research News, 32(12), 1163-1176.
[12]. Trivedi, A., Medonca, A.E., Johnson, B.S.,(2004) ,Using Machine Learning for Classifying Documents and Extracting Features,11th World Congress of Medical Information.
[13]. Tseng, Y. H. (2002). Automatic thesaurus generation for Chinese documents. Journal of the American Society for Information Science and Technology, 53(13), 1130-1138.
[14]. Tseng, Y. H. (2010). Generic title labeling for clustered documents. Expert Systems with Applications, 37(3), 2247-2254.
[15]. Yantao, Z., Jianbo, T., & Jiaqin, W. (2007). An improved TFIDF feature selection algorithm based on information entropy. In 2007 Chinese Control Conference.
[16]. Yoon, Y., & Lee, G. G. (2007). Efficient implementation of associative classifiers for document classification. Information processing & management, 43(2), 393-405.

連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top