weka dblp数据集挖掘

最新推荐文章于 2024-03-20 20:57:43 发布

原创

最新推荐文章于 2024-03-20 20:57:43 发布 · 1.9k 阅读

16 ·

CC 4.0 BY-SA版权

文章标签：

#weka #dblp

本文介绍了如何使用Weka工具对DBLP数据集进行挖掘，首先将XML格式转换为CSV，然后处理数据使其符合Weka的读取要求。通过删除无关字段并应用Apriori关联算法，设定合适的参数以挖掘作者之间的合作模式，揭示合著超过一定次数的作者关系。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

weka dblp数据集挖掘）

任务描述：DBLP数据集作者关系挖掘
DBLP数据集是一个XML格式文件，这里可以下载压缩数据集
18年11月数据包大小约为2g，txt打不开这么大的文件，想看的话可以用UltraEdit打开。
在这里插入图片描述
可以看到每个以article 开头，以article结尾，weka中是不能直接导入XML格式的，所以要将XML格式先转换为CSV格式，具体可以参考Python解析DBLP的xml文件
挖掘作者关系可以只保留作者信息，weka对csv格式文件的读取要求每行数据量是一样的，否则会报错。所以在这里将作者信息全部解析出来之后用excel去处理。
在这里插入图片描述
每篇文章作者数量可能不一样，我这里每篇文章只保留四个作者。把第第五列以后的所有数据格子都删掉，再保存为CSV格式，这样EXCEL会自动帮你生成一个非常规整的weka能读出来的数据，在txt中打开看是这样的
在这里插入图片描述
也就是说，每行多余四个作者的会帮你删掉，少于四个作者会帮你补“,”号，这样weka就可以正确读进去了
打开weka-explorer-openfile，把你的文件打开