数据挖掘在人寿保险业务中的应用

如何找出保险业务数据中有关投保和理赔的规律是保险公司能否提高盈利的重要问题。关联规则发现是数据挖掘技术的一种简单而又很实用的方法。介绍了数据挖掘的步骤,利用Microsoft公司的SQL Server 2005数据挖掘工具在保险业务数据中发现关联规则,从而得出一些对保险公司起指导作用的投资规则。     

大数据技术在高校教育改革中的应用

随着科技的进步,网络技术迅猛发展,大数据技术也随之发展.大数据也影响着社会的各行各业的发展,高校教育事业离不开数据,通过大数据的数据挖掘技术,能够推动高校教育事业的发展.本文介绍了在大数据背景下的数据挖掘技术,并对高校教育改革中数据挖掘技术的应用进行了研究.     

试谈数据挖掘在网络优化中的应用

随着我国科学技术的快速发展,网络技术在各领域都得到了普及与发展.由于储存的数据与信息与日俱增,这就对数据信息的查找提出了更高的要求.数据挖掘技术能够快速精准地查找获取历史信息,并进行多组数据对比,在网络优化中发挥着积极作用.对数据挖掘技术与网络优化进行了介绍,并对数据挖掘在网络优化中的应用进行了探讨.     

基于数据处理的数据挖掘隐私保护技术分析

随着数据挖掘技术的发展与应用,如何在得到准确的挖掘结果的同时保护隐私信息不被泄露,已经成为必须解决的问题.基于数据处理的数据挖掘隐私保护是一种有效的途径,通过采用不同的数据处理技术,出现了基于数据匿名、数据变换、数据加密、数据清洗、数据阻塞等技术的隐私保护算法.文中对基于数据处理的数据挖掘隐私保护技术进行了总结,对各类算法的基本原理、特点进行了探讨.在对已有技术和算法深入对比分析的基础上,给出了数据挖掘隐私保护算法的评价标准.     

数据挖掘技术在企业信息化中的应用

随着信息技术的发展,我们迎来了大数据时代的到来,而大数据时代对各行各业的影响,又激发了企业数据挖掘技术的诞生,很多企业越来越重视参考数据挖掘技术在企业信息化中的应用,以此促进对企业的管理,更好的实现经济效益.本文笔者将以数据挖掘技术为题,探讨其在大数据环境下对企业信息化所发挥的作用.     

基于测控数据挖掘的航天器故障诊断技术研究

近年来数据挖掘技术的快速发展使得利用航天控制中心积累的大量测控数据进行航天器在轨故障诊断成为可能.基于数据挖掘的故障诊断技术能够从历史数据中自动或半自动地获取潜在的诊断知识,从而有效解决故障诊断中知识获取困难的问题.在研究航天器实际测控数据特点的基础上,分析了传统故障诊断技术的优缺点,提出了基于数据挖掘技术进行航天器故障诊断的可行方法,指出了基于数据挖掘的航天器故障诊断技术下一步研究的主要方向.     

随机响应技术的数据挖掘

随着数据挖掘技术的发展有关数据挖掘的个人隐私保护越来越受到关注.如何在保护隐私的情况下挖掘出有用的信息是近年来数据挖掘的研究趋势之一,为了保护个人隐私信息,我们首先对数据进行随机化的处理,然后在此基础上对数据进行分析,挖掘.本文介绍了隐私保护的发展原因,随机化处理方法及其它关于隐私保护数据挖掘的算法.     

计算机数据挖掘技术的开发及其应用研究

现代信息技术发展过程中,与现代统计学知识高度融合,从而衍生出计算机数据挖掘技术.计算机数据挖掘技术,和大数据技术、云存储技术共同发展,为社会生产与生活提供较多便利.该文注重开发计算机数据挖掘技术,同时提出科学化处理对策,仅供参考.     

软件源码上的数据挖掘应用综述

数据挖掘技术可以从大量的数据中发现某些有价值的知识.而将软件源码作为一种特殊的数据,在其上应用数据挖掘技术进行源码层次上的信息挖掘,已成为一个新颖而重要的课题.将对软件源码上的数据挖掘技术从各领域的应用、数据挖掘方法以及当前发展水平等主要方面展开介绍,并详细剖析当前此领域的制约因素,提出未来此领域的发展方向.     

基于分形维数的数据挖掘技术研究综述

分形维数在数据挖掘领域起着非常特殊的作用,它能有效地描述数据集,能反映复杂数据集中隐藏的规律性,基于分形维数的数据挖掘技术研究越来越受到人们的广泛关注.本文首先介绍了数据集的分形维数,进而在此基础上重点介绍了几种基于分形维数的数据挖掘技术,并对每种技术的特点进行了阐述,最后指出今后的发展方向.     

基于数据挖掘技术的保险业务风险分析

风险评估是保险公司的一项重要工作。目前保险公司对风险的分析通常是粗略的或根据经验来判断，提出利用数据挖掘技术对保险业务数据进行风险分析。在保险公司建立的保单及索赔信息数据库的基础上寻找索赔过和没有索赔的投保人各自具有的特征，从耍 现风险较大的领域，得到一些实用的控制风险的方法。     

Mining demand chain knowledge of life insurance market for new product development

Demand chain management (DCM) can be defined as “extending the view of operations from a single business unit or a company to the whole chain. Essentially, demand chain management focuses not only on generating drawing power from customers to purchase merchandises on the supply chain; but also on exploring satisfaction, participation, and involvement from customers in order for enterprises to understand customer needs and wants. Thus, customers have changed their position in the demand chain to assume a leading role in bringing more benefit for enterprises. This article investigates what functionalities best fit the consumers’ needs and wants for life insurance products by extracting specific knowledge patterns and rules from consumers and their demand chain. By doing so, this paper uses the a priori algorithm and clustering analysis as methodologies for data mining. Knowledge extraction from data mining results is illustrated as market segments and demand chain analysis on life insurance market in Taiwan in order to propose suggestions and solutions to the insurance firms for new product development and marketing.     

商务智能技术在社保领域的应用研究

简介了商务智能及其核心技术,重点探讨商务智能技术如何应用到社保领域,并以医疗待遇为例详细介绍了系统的具体实施,对OLAP、数据挖掘的结果进行了分析.这对整个社保领域的商务智能系统的建立、应用及社保领域的决策提供了科学的依据.     

基于数据仓库的保险管理系统的设计与实现

为了充分利用保险企业的统计数据，指导公司的业务发展和决策支持，该文提出了一种基于数据仓库、在线分析处理及数据挖掘的保险企业管理系统解决方案。并从实际需求出发，分析了数据仓库的特征和体系结构模型，归纳并设计了保险企业数据仓库的基本结构框架，创建了一个面向保险业务分析管理的数据仓库系统，并对其具体的实现方法进行了阐述。该系统支持联机分析处理，并将数据挖掘应用于数据仓库的知识发现中，真正意义上运用了数据仓库理论和方法。     

Ontology-based data mining model management for self-service knowledge discovery

Data mining (DM) models are knowledge-intensive information products that enable knowledge creation and discovery. As large volume of data is generated with high velocity from a variety of sources, there is a pressing need to place DM model selection and self-service knowledge discovery in the hands of the business users. However, existing knowledge discovery and data mining (KDDM) approaches do not sufficiently address key elements of data mining model management (DMMM) such as model sharing, selection and reuse. Furthermore, they are mainly from a knowledge engineer’s perspective, while the business requirements from business users are often lost. To bridge these semantic gaps, we propose an ontology-based DMMM approach for self-service model selection and knowledge discovery. We develop a DM³ ontology to translate the business requirements into model selection criteria and measurements, provide a detailed deployment architecture for its integration within an organization’s KDDM application, and use the example of a student loan company to demonstrate the utility of the DM^3.     

增量更新关联规则挖掘算法研究

随着大型数据库系统在各行业普及,数据库中存储的数据量急剧增大,数据挖掘是从海量数据中挖掘有效或重要信息的过程。关联规则挖掘作为数据挖掘的重要研究课题,被广泛地应用。伴随挖掘数据库的规模不断发生变化,对数据的需求也会有所不同,如何从扩展数据库中高效地对已经推导出的关联规则进行更新具有非常重要的应用价值,这就是所谓的增量式挖掘关联规则的问题。     

Data-Mining-Anwendungsarchitektur

The ability to combine domain specific knowledge and special knowledge about using mathematical-statistical methods for analyzing big data bases at present time is not wide-spread in science and business. For the near future, an increase in data mining applications can be expected. So, one needs instruments to support non-specialists in using specific knowledege about data mining. In this paper a data mining architecture is introduced. Its main advantage is to offer a systematical scheme for data mining methods. These methods are structured with reference to applications. The data mining application architecture is a decision and structuring support for data mining problems to users, scientists and students.     

人身保险知识图谱的构建与应用

辅助投保人了解保险产品的条款是保险应用关注的热点问题之一, 借助知识图谱技术辅助人身保险业务开展是一种可行的方法. 本文首先从多源数据中提取并构建人身保险知识图谱LIKG. 具体而言, 构建BERT-IDCNN-BiLSTM-CRF模型提取非结构化文本数据的实体, 通过多种短文本相似度算法以及集成排序算法完成实体对齐; 设计并使用Bootstrapping和分类预测两阶段抽取方法对保险产品进行属性填充. 然后, 根据构建的LIKG, 设计开发原型系统, 该系统使用实体抽取和属性抽取算法提供知识获取功能、设计CF-IIF指标提供属性推荐功能以及实现可视化界面帮助用户快速掌握人身保险产品的信息, 展示LIKG的应用价值.     

Data Mining: A Key Contribution to E-business

Data mining consists of extracting knowledge from huge volumes of data, allowing better business decisions to be taken. In this paper, we show how data mining is integrated in the knowledge discovery process. We highlight its potential applications and the techniques that are often used to perform it. Association rule mining is presented as a case study. Furthermore, we show through an integrated architecture how data mining can contribute to e-business via the new technologies. Finally, we present some commercially-available architectures.     

数据挖掘技术在企业经营管理中的应用分析

数据挖掘技术自上世纪80年代初产生以来,随着计算机技术的发展与普及,带动了它在商业领域中的应用,有助于企业从爆炸性增长的数据中,挖掘出与经营决策相关的信息与知识,提高决策的针对性和有效性,日益受到企业界的关注。文章阐述了数据挖掘的基本概念、方法与工具,分析了数据挖掘技术对提高企业竞争力的重要作用与意义,探讨了数据挖掘技术在企业经营管理中的应用。