基于领域本体的数据挖掘服务发现算法

随着数据库的广泛应用,数据挖掘技术面临数据的海量化、分布化问题。采用面向服务的架构构造数据挖掘系统是解决该问题的方法之一。提出一种基于领域本体的数据挖掘服务发现算法,通过引入领域知识,定义数据挖掘本体,有效地解决了数据挖掘服务发现问题。首先给出了结合领域知识的数据挖掘服务发现框架,提出了数据挖掘方法本体和质量本体的定义,并给出了根据领域知识及用户需求进行数据挖掘服务发现的算法,为数据挖掘服务选择提供了较为完善的方案。     

网络经济下数据挖掘在工商管理中的应用

数据挖掘是当前数据库和信息决策领域的最前沿研究方向之一。该文从知识发现和数据挖掘的概念出发,总结了数据挖掘常采用的技术方法,同时对数据挖掘的应用及发展进行了阐述。该文以一个淘宝网行业的数据挖掘案例探讨了数据挖掘在网络经济下工商的应用;从技术和商业需求两个方面分别研究了数据挖掘商务应用的可行性,并指出因竞争战略的细化导致了对数据挖掘的商业需求。     

聚类数据挖掘在商场顾客分析中的应用

数据挖掘用于从大量数据中发现知识,提供决策支持.本文对聚类数据挖掘应用于商场顾客分析的实现问题进行了研究.基于重庆两百商场OLTP数据库,构建了数据仓库,针对商场顾客群特征,以及顾客特征与购买商品类别之间的关系问题,建立了两个聚类数据挖掘模型,并对数据挖掘结果进行了分析.     

数据挖掘在零售业中应用研究

本文介绍了一种基于SQL Server的零售业数据挖掘解决方案,运用数据挖掘中的关联规则,挖掘零售业数据库中顾客购买不同货物的关联性,避免了脱离市场、脱离需求,盲目摆放货物所造成的损失,节省了资金,提高了效益.系统做出的预测和形成的关联规则结果基本上符合零售业销售的规律,发现的知识对零售业的管理有一定的指导意义.     

两种聚类算法在顾客行为分析中的应用比较

分析网络群落划分的GN聚类和模式识别中AP聚类两种算法的设计思想和特点;以图书借阅记录为例构建了顾客聚类的数据集,进行了两种算法的聚类比较。研究表明,两种算法从不同角度揭示了顾客群体的结构特征,GN聚类结果与顾客的宏观特征分类相接近,而AP算法结果反映出顾客需求的分布特征。探讨了算法设计原则对实验结果产生的影响。这些工作可为聚类算法的设计改进和顾客行为的数据挖掘等研究提供一定的参考。     

基于领域知识的个性化协同商务推荐系统

基于领域知识与顾客购买倾向相关联的事实,从知识表示、知识获取、系统实现三个方面研究了个性化协同商务推荐系统的实现策略。知识表示研究了自然语言的本体表示,主要包括：知识本体描述、模糊关系设计、概念关联抽象和公理修正四个部分;知识获取采用多层次领域知识获取和基于数据挖掘的智能知识获取两种方法,对知识的形式化和结构化进行了研究;基于J2EE技术创建了由客户端、服务器端、存储系统组成的协同商务推荐系统的结构模型。最后通过测试网站对系统的有效性进行了验证。     

基于知识管理的分布数据挖掘集成化体系结构

为了实现分布式数据挖掘与知识管理的有效结合,减少重复挖掘劳动,提高分布式数据挖掘系统的智能化和运行效率,促进知识价值的提升,在充分分析系统功能需求的基础上,提出了一种基于知识管理的分布式数据挖掘集成化体系结构,并对该体系结构的工作流程及若干关键技术进行了研究,最后以分布式客户分类数据挖掘与知识管理为例,探索了该体系结构的具体实现机制。     

Web服务合成技术在网格数据挖掘中的应用研究

在网格环境下,存在大量的数据挖掘服务,但传统数据挖掘系统难以满足用户实际应用的需求.提出把Web服务合成技术运用于网格数据挖掘中,对已有的服务进行合成,形成新的、方便用户使用的数据挖掘服务,探讨把传统的数据挖掘系统与OGSA和Web合成技术结合,构建一个开放数据挖掘系统,满足不同领域、不同层次的知识发现.     

图的数据挖掘算法研究

在计算机科学领域,图是最复杂的数据结构之一。它具有直观的表达形式,无论在研究领域还是在商业领域都有着广泛的应用。因此,如何从大量的图中挖掘出令人感兴趣的子图模式已经成为数据挖掘领域研究的热点之一。结合图论知识,对经典的Apriori算法进行改进,提出了一种图的数据挖掘方法,该方法能够有效地进行频繁子图的挖掘。     

数据挖掘与知识发现综述

数据挖掘与知识发现是目前一种新的重要的研究领域。介绍了数据挖掘与知识发现的概念、功能、常用方法、数据挖掘过程及其广泛应用 ,阐述了数据挖掘技术的未来发展方向。     

基于数据挖掘技术的高校图书馆书籍推荐系统

数据挖掘技术在商业领域取得了瞩目的成绩,逐渐应用于社会各领域。文章借助数据挖掘技术优化高校图书馆书籍推荐系统,针对高校图书馆流通数据挖掘的实际需求,分析数据挖掘技术及相关算法设计,并设计推荐系统的总体架构和推荐服务实现的技术方法,为高校图书馆主动提供推荐服务提供参考。     

基于改进粗糙逼近近似度量的数据挖掘方法

数据挖掘是知识发现领域的一个重要问题,粗糙集理论是一种具有模糊边界的数据挖掘方法,它被广泛应用于决策系统的分类规则提取中。论文在决策表条件属性重要性度量的基础上,根据条件属性对决策类划分的逼近近似度量,提出了基于改进粗糙逼近近似度量的数据挖掘进行属性约减方法,并用算例验证了算法的合理性和可行性。     

一种本体和上下文知识集成化的数据挖掘方法

在数据挖掘中使用本体和上下文知识能够将普遍的知识和特定的知识引入数据挖掘的决策因素中,是增进数据挖掘准确性的有效手段,同时也是数据挖掘领域研究的热点和难点之一.针对该问题,首先探讨了本体与上下文知识的集成化表示方法,包括上下文知识分类方法、如何在本体描述方法上扩展上下文知识及上下文知识转化方法.其次,以层次化结构的本体与上下文知识为例,构建了一个依据于本体和上下文知识集成的归纳学习算法并验证了该算法的有效性和准确性.     

基于本体论的数据挖掘方法

数据挖掘是一个人机交互的过程,领域知识对数据挖掘起着重要作用,提出一种基于本体的数据挖掘算法,使领域知识和数据库无缝连接,该算法能更有效地发现有意义的多层次规则。     

通用知识网格下以用户为中心的数据挖掘本体研究

分布异构的海量数据挖掘是数据挖掘领域急待解决的课题，通用知识网格（UKB）架构模型用于在网格环境下创建大规模的分布式知识发现和知识集成系统。本体服务器是整个架构的核心模块，负责本体的管理和查询。数据挖掘本体服务是本体服务器提供的主要服务。本文主要介绍通用知识网格下以用户为中心的数据挖掘本体的设计和OWL实现。数据挖掘本体可满足各种不同领域、不同层次用户的知识发现服务，使系统具有开放性、可扩展性和高用户可用性。还介绍了一个反洗钱领域数据挖掘解决方案实例。     

《计算机学报》机器学习与数据挖掘专辑（2007年第7期）征文通知

在过去的数十年中，各种信息系统以及互联网产生的大量数据已经将我们淹没在信息的汪洋大海中．存储数据的爆炸性增长激起对新技术和自动工具的需求，以便帮助我们将海量数据转换成信息和知识．机器学习与数据挖掘作为一种有前途的工具和方法引起了产业界和学术界的极大关注，并彤成计算机科学与技术的一个热点研究领域．《计算机学报》特别推出机器学习与数据挖掘专辑，总结机器学习与数据挖掘领域的热点问题和现状，展现数据挖掘的重大应用成果，开拓数据挖掘领域的新方向和应用领域．     

基于本体的数据挖掘方法

数据挖掘是一个人机交互的过程,领域知识对数据挖掘起着重要作用,提出一种基于本体的数据挖掘算法,使领域知识和数据库无链连接,该算法能更有效地发现有意义的多层次规则。     

知识发现状态空间模型及其在图像挖掘中的应用*

提出了知识发现状态空间统一模型,将结构化数据挖掘与复杂类型数据挖掘联系起来,成为知识发现领域的一种统一框架理论,为复杂类型数据挖掘提供理论指导,并给出了该模型在图像挖掘中的应用实例。     

《机器学习与数据挖掘》专辑前言

机器学习和数据挖掘是计算机科学和人工智能中非常重要的一个研究领域,也是一些交 叉学科的重要支撑技术.在过去的数十年中,各种信息系统以及互联网产生的大量数据已经将 我们淹没在信息的汪洋大海中.存储数据的爆炸性增长激起对新技术和自动工具的需求,以便 帮助我们将海量数据转换成信息和知识.机器学习与数据挖掘作为一种有前途的工具和方法 引起了产业界和学术界的极大关注,并形成计算机科学与技术的一个热点研究领域.《计算机 学报》特别推出机器学习与数据挖掘专辑,反映机器学习与数据挖掘领域的热点问题和现状, 展现数据挖掘的重大应…     

知识发现状态空间统一模型UMKDSS

在分析与研究已有研究成果的基础上,该文提出了知识发现状态空间统一模型UMKDSS,将结构化数据挖掘与复杂类型数据挖掘联系起来,成为知识发现领域的一种统一框架理论,为复杂类型数据挖掘提供理论指导。