一种基于多Agent的Web数据挖掘方法

基于多Agent的数据挖掘技术,不仅能够针对不同的Web数据综合采用不同的挖掘算法,而且可以在各站点进行并行挖掘,避免Web通信量过载。在简述Agent技术和Web数据挖掘技术的基础上,结合多Agent和Web数据挖掘,设计出一种新型数据挖掘模型,且进一步阐述了该模型,并做了一些分析测试。结果证明,该方法能有效提高Web数据挖掘的速度、准确率和覆盖率,提高了数据利用率。     

新型的Web使用挖掘数据预处理方法

大数据背景下,Web使用挖掘的目的是通过识别Web数据使用模式更好地为Web应用需求提供服务,高效地处理大数据并从中找到有用的信息,数据预处理是保证Web使用挖掘数据质量的必要阶段。首先,论述了Web使用挖掘数据预处理领域的相关工作;其次提出了在数据挖掘开始之前的接入流数据预处理技术,这项技术能通过识别单独用户和会话来提高数据预处理的性能;最后进行了实验验证。结果表明,文中方法有助于发现来自于用户数据流的有意义的模式和关系,因此具有可行性和有效性。     

基于特征挖掘的企业融资信息资源数据智能匹配方法

企业融资信息数据多处于异构数据属性,在匹配过程中需要进行数据结构转换。由于现有数据匹配方法处理相似匹配特征,易受数据结构转换作用影响,导致智能匹配召回率偏低,因此,基于特征挖掘设计了一种企业融资信息资源数据智能匹配方法。提取了信息资源数据智能匹配特征,为有效区分异构数据属性,避免数据结构转换作用影响,进一步进行了信息资源智能匹配数据特征挖掘,保证数据智能匹配的准确性。最终基于挖掘后的特征,设计了跨模态信息资源数据智能匹配函数,从而实现了信息资源数据智能匹配。实验结果表明,设计的企业融资信息资源数据特征挖掘智能匹配方法,在不同类型融资信息资源数据下的智能匹配召回率均较高,匹配效果较好,具有准确性,有一定的应用价值,有利于推动企业信息化管理升级。     

一种基于RFID数据集的物品工作流挖掘方法

 不同种类的物品在供应链中的移动形成不同的物品工作流,通过对这些物品工作流的挖掘,能够发现不同种类物品的流向和主要流转路径等信息,进而基于这些信息对供应链过程进行管理和优化.本文提出了一种基于RFID数据集的物品工作流挖掘方法,其中定义了一种基于Petri网的物品工作流网,讨论了物品工作流网所支持的几种物品工作流模式,给出了基于RFID数据集的数据过滤和聚合算法,以及物品工作流网的挖掘算法,最后进行了必要的实验.     

一种基于综合场景标签的用户挖掘方法

随着互联网业务的冲击、“提速降费”和“携号转网”等国家政策的陆续实施,运营商经营普遍面临业务增速放缓、流量单价下滑、用户需求个性化增强等难题。运营商作为基础通信服务的提供者,拥有天然的数据优势,如何利用海量大数据以挖掘潜在用户成为了精准营销与业务转型关注的重点之一。本文基于XDR、MDT、API地图接口等大数据构建具备场景名称及标签的用户综合位置信息库,并关联ARPU、DOU等经分数据建立包含用户基本信息、时间戳、经纬度、场景标签、用户流量特征的融合数据,并进一步利用该融合数据挖掘潜在用户,识别可能流失客户,为实现精细化市场营销提供了参考。     

云计算环境下的海量数据特定特征挖掘技术

针对传统云端计算过程中的数据特定信息提取不精确的问题,提出一种云计算环境下的海量数据特定特征挖掘方法。采用矩阵节点差分模型进行数据的有序排列,避免传统方法中的数据混乱造成提取数据不精确,庞大的云端数据量致使数据的定位不精准,为了避免此类问题的产生,使用多维数据定位计算,能够有效地解决定位不准的问题,最终可以成功的对数据信息进行有效提取。为了验证设计云计算环境下的海量数据特定特征挖掘方法的有效性,设计了对比仿真实验,实验结果充分证明了该方法能够有效地解决数据提取不精确的问题。     

基于人工智能的网络舆情大数据传播特征挖掘系统

为了有效解决舆情数据传播中特征挖掘技术面临的特征挖掘滞后问题,设计基于人工智能的网络舆情大数据传播特征挖掘系统。设计网络信息传感提取模块,利用O/I顺向电流指向性电路节点端口和电机控制性匹配结构构建外围控制电路以及带状数据分布式交互接口。设计舆论数据人工智能入网协议来转换当前的网络数据格式,并对其进行舆情二次语义处理。文中使用人工智能技术,依靠Hadoop平台内部学习库中的Ma_Orduse算法和K-means算法通过有效数据文本聚类获取特征键值,以中枢结构的形式传递回中央控制器,实现当前网络舆情大数据传播特征挖掘。实验数据表明应用该挖掘系统后,舆情数据特征读入延迟降低32%,读出延迟降低27%,可以有效缓解特征挖掘滞后问题。     

基于数据挖掘的电信故障分类及回归预测

基于数据挖掘技术,针对电信故障海量数据特点,合理选择属性值和标签值,运用交叉验证、网格划分、遗传算法和粒子群算法进行参数寻优,运用支持向量机SVM理论,建立电信故障分类模型和预测模型。通过仿真分析,并且与电信故障实际数据对比,表明该分类模型和预测模型的精度高,误差小,为今后控制电信故障,改善网络运行质量提供理论依据和数据支持。     

一种基于遗传算法的数据挖掘技术

首先对相关理论进行了概述,阐明了数据挖掘和遗传算法的产生与发展以及他们的相互结合。接着提出了基于遗传算法的关联规则的提取方法。将遗传算法应用到关联规则的提取方面,讨论了遗传算法的编码方法、遗传算子的设计和适应度函数的构造。为了验证算法的有效性,笔者给出一个简单的数据实例,说明了本文方法的有效性。     

时态约束下的数据挖掘问题及算法

对于一个大型数据库而言,为了提高挖掘效率,必须考虑减少数据库的扫描次数,同时使内存需求量保持在一个适当的水平上.把时态约束应用到事务数据库的挖掘中,可以获得更好的效率.本文首先利用时态区间代数操作实现原始数据库的过滤和挖掘时态区间的合并;然后在定义项目序列集操作的基础上,提出一个称为TISS-DM的发现频繁项目序列集的高效算法;最后讨论了这个算法的效率.     

电信运营商能耗优化的大数据分析模型研究

针对电信运营商现网的实际情况,提出一种低成本可实施、基于大数据的能耗分析模型,帮助运营商在现有条件下,快速实现能耗分析管控,逐步建立精细化运营管理,为节能减排提供科学依据和决策,未来可发展到智能化的能耗管控.     

数据挖掘网格的关键技术与挑战研究

本文介绍了数据挖掘网格技术,展现了当前数据挖掘网格的发展现状和最新研究动态,着重阐述了电信领域数据挖掘网格面临的挑战,对于其研究热点、思路、技术路线、技术难度等方面进行了分析,深入探讨了电信领域数据挖掘网格研究的重点方向以及亟待研究的技术,预测了两种可能的发展模式及前景.     

基于数据挖掘技术的电信资费套餐设计

电信资费套餐是电信运营商进行客户关系管理的手段，能使客户受惠并提高运营商收益。使用数据挖掘技术可以制定资费套餐。首先介绍了数据挖掘的流程，并以外来务工人群为例进行了具体解释。然后，提出了运营商收益模型，可用来验证基于数据挖掘技术的资费套餐的有效性。最后，按照实际例子给出了具体的资费套餐设计和收益模型验证。     

基于动态相关性挖掘的信息融合方法

本文方法通过学习诸多信源在一定时间段内的变化过程,挖掘出那些与结论相关的信源及与结论相关时间片段.形成最终的决策树模式.该方法适用于大规模多因素动态隐含相关性信息融合.     

基于内存计算技术的电信行业数据仓库系统构建探讨

数据仓库目前在电信行业已广泛应用,从决策分析到经营分析,数据仓库为各领域的数据应用提供了强大的支撑功能。然而随着系统的深入应用,数据仓库的性能问题开始突显,使数据仓库的应用受到了较大的制约。并且,随着电信运营商战略转型的深化开展,如何在智能管道、综合平台、内容提供等方面确认电信自身的优势也越来越迫切,而这一切都需要数据仓库的有效支撑。本文旨在探讨在电信的战略转型期,如何利用内存计算技术,为电信数据仓库系统建设找到一条可行的途径。     

针对电信运营商的大数据价值化经营研究

针对通信信息产业中的基础服务提供商——电信运营商展开分析,在结合其运营过程中掌握的大量数据的分类及分析的基础上,提出了运营商大数据价值化的核心途径：一是针对现有业务,运用大数据开展精细化运营,改善运营效率;二是针对潜在业务,进行基于大数据的资源性开发利用,通过与其他企业合作等方式挖掘数据内涵,创造新的价值。最后,提出了国内电信运营商基于大数据的价值化路径选择。