知识发现过程与应用结构.pptVIP

2.3.3纵向的知识发现解决方案ChineseAcademyofScience*随着横向的数据挖掘工具集的使用日渐广泛，人们也发现这类工具只有精通数据挖掘算法的专家才能熟练使用。如果对数据挖掘和知识发现技术及其算法不了解，就难以开发出好的应用。纵向的数据挖掘解决方案的核心是针对特定的应用提供完整的数据挖掘和知识发现解决方案。由于和具体的商业逻辑相结合，因此，数据挖掘技术专门为了解决某些特定的问题被使用，成为企业应用系统中一部分。2.3.3纵向的知识发现解决方案ChineseAcademyofScience*许多厂商或研究机构可以提供纵向数据挖掘的解决方案。因此，数据挖掘技术在最近几年开始在一些领域得到应用。例如，证券系统的趋势预测、银行和电信行业的欺诈行为检测、在CRM中的应用、在基因分析系统中用于DNA识别等。特定领域的数据挖掘工具针对性比较强，只能用于一种应用；也正因为针对性强，往往采用特殊的算法，可以处理特殊的数据，实现特殊的目的，发现的知识可靠度也比较高。第二章知识发现过程与应用结构ChineseAcademyofScience*01知识发现的基本过程02数据库中的知识发现处理过程模型03知识发现软件或工具的发展04知识发现项目的过程化管理05数据挖掘语言介绍知识发现项目的过程化管理问题开发一个数据挖掘和知识发现项目需要各方面协同合作而且极易出现问题，因此它的质量管理问题的讨论是重要而困难的。近几年，有一些针对数据挖掘和知识发现项目的过程化管理所开展的工作，其中一个典型的模型三被称作强度挖掘（IntensionMining）的I-MIN过程模型。I-MIN过程模型把KDD过程分成IM1、IM2、…、IM6等步骤处理，在每个步骤里，集中讨论几个问题，并按一定的质量标准来控制项目的实施。0102IM1的任务与目的ChineseAcademyofScience*它是KDD项目的计划阶段，需要确定企业的挖掘目标，选择知识发现模式，编译知识发现模式得到的元数据。目的是将企业的挖掘目标嵌入到对应的知识模式中。对数据挖掘研究人员来说，往往把主要精力用在改进现有算法和探索新算法上。但是在真正调用挖掘算法之前，必须对企业的决策机制和流程进行充分调研，理解企业急需解决的问题。需要准确地确定挖掘目标和可交付系统的指标等。IM2的任务与目标ChineseAcademyofScience*它是KDD的预处理阶段，可以用IM2a、IM2b、IM2c等分别对应于数据清洗、数据选择和数据转换等阶段。12知识发现项目的数据预处理是一个费时费力的工作。事实上，数据挖掘的成功与否，数据预处理起到了至关重要的作用。只有好的预处理，才能避免GIGO（垃圾进垃圾出）的现象发生。3其目的是生成高质量的目标数据。IM3的任务与目标ChineseAcademyofScience*它是KDD的挖掘准备阶段，数据挖掘工程师进行挖掘实验，反复测试和验证模型的有效性。01其目的是通过实验和训练得到浓缩知识(KnowledgeConcentrate)，为最终用户提供可使用的模型。02IM4的任务与目标ChineseAcademyofScience*它是KDD的数据挖掘阶段，用户通过指定数据挖掘算法得到对应的知识。IM5的任务与目标ChineseAcademyofScience*它是KDD的知识表示阶段，按指定要求形成规格化的知识。IM6的任务与目标ChineseAcademyofScience*它是KDD的知识解释与使用阶段，其目的是根据用户要求直观地输出知识或集成到企业的知识库中。第二章知识发现过程与应用结构ChineseAcademyofScience*215知识发现的基本过程数据库中的知识发现处理过程模型数据挖掘语言介绍4知识发现项目的过程化管理3知识发现软件或工具的发展设计理想的数据挖掘语言是一个巨大的挑战。2.5数据挖掘语言概述ChineseAcademyofScience*1这是因为数据挖掘覆盖的任务宽、包含知识形式广（如数据特征化、关联规则、数据分类、聚集等等）。2每个任务都有不同的需求，每种知识表示形式都有不同内涵。3一个有效的数据挖掘语言设计需要对各种不同的数据挖掘任务的能力、约束以及运行机制有深入地理解。2.5数据挖掘语言概述ChineseAcademyofScience*众所周知，关系查询语言的标准化，发生在关系型数据库开发的早期阶段。经过不懈的努力，以SQL为代表的