31、知识发现中的属性相关性、离散化及贝叶斯网络在问答领域的应用

知识发现中的属性相关性、离散化及贝叶斯网络在问答领域的应用

1. 属性相关性与离散化

在知识发现过程中，属性相关性和离散化是重要的研究内容。研究人员在作者身份归属任务中进行了大量实验，采用多种排名和离散化方法，以观察特征重要性与表示形式之间的关系，以及其对分类器性能的影响。

实验中使用了贝叶斯网络（Bayesian Network）和随机森林（Random Forest）分类器，进行选择性离散化过程，并记录不同离散化方法下的平均性能和标准差。具体离散化方法包括 dsF、dsK、duf 和 duw，数据集分为 F - writers 和 M - writers。

分类器	离散化方法	F - writers (WrapB)	F - writers (Corr)	F - writers (SVM)	M - writers (WrapB)	M - writers (Corr)	M - writers (SVM)
贝叶斯网络 (Cont.domain: 91.60)	dsF	79.95 ± 16.32	74.83 ± 13.94	76.74 ± 15.71	76.94 ± 03.20