利用分類(lèi)算法實(shí)現(xiàn)圖書(shū)分類(lèi)管理

1、利用分類(lèi)算法實(shí)現(xiàn)圖書(shū)分類(lèi)管理    利用分類(lèi)算法實(shí)現(xiàn)圖書(shū)分類(lèi)管理2011-09-05 08:06 來(lái)源：未知 瀏覽次數(shù)： 關(guān)鍵字： 分類(lèi)算法 圖書(shū)分類(lèi)管理利用分類(lèi)算法實(shí)現(xiàn)圖書(shū)分類(lèi)管理張超一背景知識(shí)介紹隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，計(jì)算機(jī)在企業(yè)管理中的應(yīng)用普及，利用計(jì)算機(jī)實(shí)現(xiàn)圖書(shū)信息分類(lèi)管理勢(shì)在必行。目前部分小型圖書(shū)館的借閱工作大部分還是手工管理，工作效率偏低，而且不能及時(shí)了解圖書(shū)的種類(lèi)以及用戶(hù)們極力需求的圖書(shū)類(lèi)型等，不能更好的適應(yīng)大多數(shù)用戶(hù)的借閱要求。計(jì)算機(jī)信息化管理有著儲(chǔ)存量大，查詢(xún)速度快等許多優(yōu)點(diǎn)，提供及時(shí)快捷的信息處理。因此，利用計(jì)算機(jī)提供給我們的信息

2、對(duì)學(xué)生們的借閱過(guò)程形成一整套動(dòng)態(tài)的分類(lèi)管理系統(tǒng)能夠極大地提高圖書(shū)管理的效率。將圖書(shū)分文別類(lèi)地管理，不僅能夠提高管理員的工作效率，而且用戶(hù)可以快速地查詢(xún)到自己需要的類(lèi)型的圖書(shū)，也提高了查詢(xún)的效率。二分類(lèi)算法介紹涉及到圖書(shū)信息的分類(lèi)，當(dāng)然要對(duì)分類(lèi)算法做進(jìn)一步的介紹。分類(lèi)算法被用來(lái)預(yù)測(cè)數(shù)據(jù)對(duì)象的離散類(lèi)別，其應(yīng)用非常普遍，對(duì)于圖書(shū)館管理系統(tǒng)，要涉及到對(duì)圖書(shū)種類(lèi)的分類(lèi)，出版日期的分類(lèi)以及不同作者的分類(lèi)查詢(xún)等等。分類(lèi)算法經(jīng)常表現(xiàn)為樹(shù)的表示和遍歷問(wèn)題。那么，就涉及到以下6個(gè)問(wèn)題：如果用數(shù)據(jù)庫(kù)中的一個(gè)表來(lái)表達(dá)樹(shù)型分類(lèi)，應(yīng)該有幾個(gè)字段；如何快速地從這個(gè)表恢復(fù)出一棵樹(shù)； 如何判斷某個(gè)分類(lèi)是否是另一個(gè)分類(lèi)的子類(lèi)；

3、如何查找某個(gè)分類(lèi)的所有產(chǎn)品； 如何生成分類(lèi)所在的路徑；如何新增分類(lèi)。下面我們重點(diǎn)以決策樹(shù)算法為例來(lái)介紹圖書(shū)分類(lèi)管理的基本核心思想。三決策樹(shù)分類(lèi)算法核心思想介紹決策樹(shù)表示方法是應(yīng)用最廣泛的邏輯方法之一，具有分類(lèi)的精度較高，成的模式相對(duì)簡(jiǎn)單，對(duì)噪聲數(shù)據(jù)有相對(duì)較強(qiáng)的健壯性等優(yōu)點(diǎn)，因而是目前應(yīng)用比較廣泛的歸納推理算法之一，受到數(shù)據(jù)挖掘研究者的廣泛關(guān)注。決策樹(shù)歸納是經(jīng)典的分類(lèi)算法。它采用自頂向下遞歸，各個(gè)擊破的方式構(gòu)造決策樹(shù)。樹(shù)的每一個(gè)結(jié)點(diǎn)使用信息增益度量來(lái)選擇測(cè)試邏輯判斷（即屬性）?？梢詮纳傻臎Q策樹(shù)中提取規(guī)則。決策樹(shù)構(gòu)造的輸入是一組帶有類(lèi)別標(biāo)記的例子，構(gòu)造的結(jié)果一般是一棵二叉樹(shù)或多叉樹(shù)。二叉樹(shù)的內(nèi)部

4、節(jié)點(diǎn)，即非葉子節(jié)點(diǎn)一般表示成為一個(gè)邏輯判斷，樹(shù)的邊是邏輯判斷的分支結(jié)果。多叉樹(shù)的內(nèi)部節(jié)點(diǎn)是屬性，邊是該屬性的所有取值，樹(shù)的葉子節(jié)點(diǎn)一般都定義為類(lèi)別標(biāo)記。構(gòu)造決策樹(shù)的方法是采用自頂向下的遞歸方法，其思路是：以代表訓(xùn)練樣本的單個(gè)結(jié)點(diǎn)開(kāi)始建樹(shù)。如果樣本都在同一個(gè)類(lèi)，則該結(jié)點(diǎn)成為樹(shù)葉，并用該類(lèi)標(biāo)記。否則，算法使用稱(chēng)為信息增益的基于熵的度量作為啟發(fā)信息，選擇能夠最好地將樣本分類(lèi)的邏輯判斷。該邏輯判斷稱(chēng)為該結(jié)點(diǎn)的“測(cè)試”或“判定”屬性。值得注意的是，在這類(lèi)算法中，所有的邏輯判斷都是取離散值的，連續(xù)值邏輯判斷必須離散化。對(duì)測(cè)試屬性的每個(gè)已知的值，創(chuàng)建一個(gè)分支，并據(jù)此劃分樣本。算法使用同樣的過(guò)程，遞歸地形成每

5、個(gè)劃分上的樣本決策樹(shù)。一旦一個(gè)屬性出現(xiàn)在一個(gè)結(jié)點(diǎn)上，就不必考慮該結(jié)點(diǎn)的任何后代。遞歸劃分步驟，當(dāng)下列條件之一成立時(shí)停止：給定結(jié)點(diǎn)的所有樣本屬于同一類(lèi)。沒(méi)有剩余屬性可以用來(lái)進(jìn)一步劃分樣本。構(gòu)造好的決策樹(shù)關(guān)鍵就在于如何選擇最優(yōu)的邏輯判斷，對(duì)于同樣一組例子，猶豫選擇的邏輯判斷不同，可以生成很多不同的決策樹(shù)。下面利用ID3算法舉例說(shuō)明如何構(gòu)建一棵決策樹(shù)來(lái)實(shí)現(xiàn)對(duì)圖書(shū)的分類(lèi)管理。對(duì)于ID3算法，首先要考慮如何選取合適的邏輯判斷來(lái)產(chǎn)生分支，這就需要介紹信息論的一系列概念：假設(shè)屬于第i類(lèi)的訓(xùn)練實(shí)例Ci，X中總的訓(xùn)練實(shí)例個(gè)數(shù)為|X|，若一個(gè)實(shí)例屬于第i類(lèi)的概率為p(Ci)，則：p(Ci)=|Ci|/|X|信息熵

6、H(X)：用來(lái)度量整個(gè)信息源X整體的不確定性。H(X)=-p(ai)log(p(ai) (i=1,2,.n)條件熵H(X|Y)：如果信息源X受隨機(jī)變量Y的約束，用條件熵H(X|Y)來(lái)表示在收到隨機(jī)變量Y之后，對(duì)隨機(jī)變量X的不確定性。H(X|Y)=-p(ai|bj)log(p(ai|bj) (i=1,2,.n, j=1,2,m)平均互信息量I(X|Y)：用它來(lái)表示信號(hào)Y所能提供的關(guān)于X的信息量的大小，其中I(X|Y)=H(X)-H(X|Y)。建立決策樹(shù)的過(guò)程就是將不確定度逐漸減小的過(guò)程，利用I(X|Y)表示的信息增益量選擇信息增益最大的屬性進(jìn)行優(yōu)先分類(lèi)，下面舉例來(lái)說(shuō)明如何利用決策樹(shù)分類(lèi)算法實(shí)現(xiàn)圖書(shū)分類(lèi)。表1給出了一個(gè)簡(jiǎn)單的圖書(shū)樣本數(shù)據(jù)集，假設(shè)圖書(shū)的屬性有四個(gè)：種類(lèi)，出版日期，出版社，作者。樣本數(shù)據(jù)集合被分為類(lèi)別1和類(lèi)別2，通過(guò)ID3算法構(gòu)造決策樹(shù)將數(shù)據(jù)進(jìn)行分類(lèi)。 通過(guò)對(duì)每個(gè)屬性的信息熵和條件熵的計(jì)算，得到H(X|種類(lèi)) <H(X|出版日期)< H(X|出版社) <H(X|作者)，所以I(X|種類(lèi)) >I(X|出版日期)> I(X|出版社) >I(X|作者)?？梢?jiàn)應(yīng)該選