【出 处】：《 计算机仿真 》 CSCD 2016年第0卷第1期 362-364页,共4页

【作 者】： 罗小玲 ; 薛河儒

【摘 要】 中文语义的复杂性致使在深度挖掘的过程中形成了大量非结构化的需求文本，属于系统化的小规模的语义文本，隐含了大量的中文语义，使得传统方法的中文语义深度挖掘结果受困于非结构化的文本特征，无法形成足够的关联，挖掘准确度较低，无法挖掘到有价值的语义文本。为此，提出基于模糊关联优化的中文语义深度挖掘方法。针对中文自然语言的特性构建中文文本预处理模型．对待挖掘文本进行分词、形式转化及特征提取等处理，可以有效提高算法执行效率，将模糊属性转换成表现隶属度的模糊数值，并将相关数值映射到模糊集合，通过计算模糊集权值，生成模糊关联规则，依据最小可信度的判定结果执行算法，实现对中文语义的深度挖掘。实验结果表明，采用改进算法进行中文语义深度挖掘，可以有效提高挖掘的准确度，提高算法执行效率。