移动互联网信息挖掘的实现及应用浅析

在分析移动互联网数据业务需求的基础上,重点阐述了移动互联网数据挖掘的流程和热点技术,最后从针对性业务推荐、定向广告等方面介绍了移动互联网信息挖掘的实现及应用。     

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。     

基于关联规则的电子病历挖掘算法研究与应用

采用了一种改进的关联规则快速挖掘算法——FG算法，该算法不需要查找频繁项集．可直接求出所有的无冗余的关联规则。基于电子病历系统历史数据，建立数据仓库，进行了FG关联规则挖掘算法的实验。结果表明该算法优于其他算法，能提取隐含在电子病历系统中未知的有用的信息，为医疗诊断能提供辅助性的决策。     

基于Web挖掘的个性化学习系统

随着Internet的深入发展和不断的普及,Web已经成为人们获取信息,进行学习的最重要的手段之一.但是,目前Web系统只为所有用户提供相同的服务,而Web用户的需求却千差万别,用户希望Web系统能够根据他们的不同特性提供个性化的服务.普通的学习系统已经不能适应他们的学习,不能体现他们的个性化.因此,根据他们的不同特性开发个性化的学习系统已变得相当重要.     

分布式并行数据挖掘计算框架及其算法研究

为了提供一个灵活可扩展的计算平台进行高效的挖掘计算，提出了一种应用于分布和并行环境的数据挖掘计算框架和相应的算法。通过分析关联规则挖掘理论和以往算法的优缺点，建立一种分布式并行数据挖掘的计算框架，并给出相应的求解算法。实例分析表明该计算框架能够减少节点问的通信开销，保持了良好的可扩展性：挖掘算法则利用本地节点动态有序集合枚举树生成方法代替数据库节省了本地空间的占用．大大提高了查找的计算效率。     

Apriori算法在商品价格关联分析中的应用研究

伴随着海量价格监测数据的增长,通过人工方式从中获取新知识变得越来越难.本文阐述了以Apriori算法为基础的关联规则挖掘的基本原理,尝试使用数据挖掘技术提高价格监测数据在预测商品价格方面的可用价值.     

关联规则挖掘结果的可视化技术研究

数据挖掘结果可视化是将数据挖掘后得到的知识和结果以图形等可视化形式表示出来,从而使用户可以更加方便并深入地对结果进行观察和分析.本文介绍了关联规则的基本概念,详细讨论了用于关联规则挖掘结果可视化的几种常用技术,并对其进行分析比较,给出了各自的优缺点.     

一个基于网格的文本复制检测系统

如何快速、及时地在大规模文集中发现剽窃文本是知识产权保护中的一个核心问题。我们利用Globus构建了一个文本复制检测网格系统，称之为DCDGrid。在DCDGrid原型中我们把单个巨型文集分解成多个中小规模文集，然后将其分布在网络上。通过网格计算的方式，我们可以同时在多台计算机上检测剽窃文本．可以动态增扩检测文集，缩短检测时间，整个系统具有很高的性价比。局域网上的模拟测试表明DCDGrid系统是比较实用的。     

一种支撑客户细分的终端分析系统的设计与实现

提出一种终端分析系统的设计与实现,通过对客户终端信息以及消费行为信息进行数据挖掘分析,精确归类出客户对象族,为市场精确营销和网络运维提供了服务和支撑。     

基于后缀树词序列核挖掘Web文档

通过将文档表示为一棵后缀树,文章提出一种基于后缀树索引计算文档相似度的词序列核.首先根据文档的词序列构造出后缀树,然后根据后缀树词序列核计算文档间的相似度,最后利用支持向量机对文档进行分类.理论分析表明后缀树词序列核的计算只与比较文档的长度成线性关系,大大减少了序列核的计算时间.在reuters21578文档集上将后缀树词序列核与词序列核、多项式核进行比较,实验结果表明在改善速度的同时,后缀树词序列核可达到与词序列核相当的性能,优于多项式核,更适于Web文档挖掘等应用.