計算機數(shù)據(jù)挖掘技術的開發(fā)

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了計算機數(shù)據(jù)挖掘技術的開發(fā)范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：在信息化時代下，大數(shù)據(jù)的到來為社會變革提供了新的思路，從中也衍生出了數(shù)據(jù)挖掘技術，提高了數(shù)據(jù)處理效率和質(zhì)量。數(shù)據(jù)挖掘技術能夠從海量數(shù)據(jù)中找出用戶所需數(shù)據(jù)，并保障數(shù)據(jù)挖掘的精度和利用率，是推動社會、產(chǎn)業(yè)發(fā)展的重要技術之一。基于此，筆者首先提出了數(shù)據(jù)挖掘的概念，然后分析了數(shù)據(jù)挖掘的相關技術，最后探究了數(shù)據(jù)挖掘的開發(fā)與應用。

關鍵詞：數(shù)據(jù)挖掘技術；大數(shù)據(jù)；數(shù)據(jù)規(guī)約

1引言

在計算機不斷發(fā)展背景下，人們也正式步入了信息時代，計算機挖掘技術作為大數(shù)據(jù)時代的衍生品，在各個領域中的應用都十分廣泛，很大程度上推動了社會效益增長。數(shù)據(jù)挖掘技術讓數(shù)據(jù)庫技術發(fā)展到了更高階段，通過該項技術的應用不僅能夠查詢相關數(shù)據(jù)信息，而且能夠識別數(shù)據(jù)之間潛在數(shù)據(jù)，保證數(shù)據(jù)挖掘的有效性，促進數(shù)據(jù)傳播。計算機挖掘技術發(fā)展不僅能夠豐富人們的生活，推動企業(yè)市場發(fā)展和調(diào)查工作，在各個領域中都發(fā)揮著極大的作用。所以，需要重點考慮如何充分利用數(shù)據(jù)挖掘技術發(fā)揮數(shù)據(jù)價值，從而推動行業(yè)、社會發(fā)展。

2數(shù)據(jù)挖掘技術

數(shù)據(jù)挖掘也被稱為資料探勘、數(shù)據(jù)采礦。作為數(shù)據(jù)庫知識發(fā)現(xiàn)的一個步驟。數(shù)據(jù)挖掘技術通常是指在大量數(shù)據(jù)中采用相關算法搜索隱藏在大數(shù)據(jù)信息的過程。數(shù)據(jù)挖掘技術通常和計算機科學有著直接關系，采用統(tǒng)計、在線分析、檢索、機械學習以及模糊識別等技術實現(xiàn)信息搜索目標。數(shù)據(jù)挖掘技術的流程如下。第一步，信息收集。結合所確定的數(shù)據(jù)分析對象抽象出在數(shù)據(jù)分析中所需的特殊信息，之后采用相關信息收集方法，將自動搜索的信息存入到數(shù)據(jù)庫中。在大數(shù)據(jù)當中，選擇合適的數(shù)據(jù)管理和數(shù)據(jù)存儲技術是極為重要的。第二步，數(shù)據(jù)集成。將不同格式、領域與性質(zhì)的數(shù)據(jù)在物理層或邏輯層上集中，即可為企業(yè)或組織提供更加全面的信息數(shù)據(jù)。第三步，數(shù)據(jù)規(guī)約。采用數(shù)據(jù)挖掘相關算法，由于數(shù)據(jù)挖掘技術并未成熟，所以在數(shù)據(jù)挖掘效率上還有待提高，而商業(yè)運營數(shù)據(jù)往往較多，這就增加了數(shù)據(jù)挖掘難度。在此基礎上衍生出了數(shù)據(jù)規(guī)約技術，數(shù)據(jù)集可以應用規(guī)約表示，雖然數(shù)據(jù)體積變小；但是，可以保證數(shù)據(jù)的原始性，在規(guī)約后執(zhí)行數(shù)據(jù)挖掘結果和規(guī)約前執(zhí)行結果大致相同。第四步，數(shù)據(jù)清理。數(shù)據(jù)庫中并不一定是完整數(shù)據(jù)，也有含噪聲數(shù)據(jù)、不一致數(shù)據(jù)，這些數(shù)據(jù)需要過濾掉，精準的把完整、正確、一致的數(shù)據(jù)信息存儲到數(shù)據(jù)庫當中。第五步，數(shù)據(jù)變換。采用科學的聚集方法、數(shù)據(jù)概化法，將數(shù)據(jù)轉(zhuǎn)化成為可挖掘的數(shù)據(jù)形式。對于部分實數(shù)型的數(shù)據(jù)，可以采用概念分層、數(shù)據(jù)離散化轉(zhuǎn)換數(shù)據(jù)方法實現(xiàn)轉(zhuǎn)化。第六步，數(shù)據(jù)挖掘（過程）。結合數(shù)據(jù)庫提供的數(shù)據(jù)信息，采用更加合理、適當?shù)姆治鲈摴ぞ撸ńy(tǒng)計方法、決策樹、事例推理、規(guī)則推理、模糊集、精神網(wǎng)絡以及模糊算法等技術，從而得出最終的有效信息。第七步，模式評估。從商業(yè)角度發(fā)展，各個行業(yè)專家對所挖掘的數(shù)據(jù)精準性進行評估。第八步，知識表示。將所挖掘的數(shù)據(jù)信息采用可視化技術呈現(xiàn)給用戶或者采用新型知識形式存放到數(shù)據(jù)庫當中，供其他程序使用。總之，數(shù)據(jù)挖掘技術在應用中適應反復循環(huán)的過程，如果其中一個步驟沒有達到預期目標，都要回到之前的步驟，重新執(zhí)行并調(diào)整。并不是每個數(shù)據(jù)挖掘工具都會在這里列出每一個步驟，如某個數(shù)據(jù)源中存在著多項數(shù)據(jù)種類，第二步的數(shù)據(jù)集成即可省略掉。在以上步驟當中，第三步三到第五步統(tǒng)稱之為數(shù)據(jù)預處理。在數(shù)據(jù)挖掘當中，主要的經(jīng)費都消耗在了第一步中，大量精力都要花費在數(shù)據(jù)預處理階段。

3數(shù)據(jù)挖掘技術開發(fā)工具分析

3.1神經(jīng)網(wǎng)絡

神經(jīng)網(wǎng)絡技術自身帶有十分強的組織適應性、魯棒性、處理能力、存儲能力（分布）以及高度容錯等，這些優(yōu)勢十分適用于數(shù)據(jù)挖掘體系。可以對大數(shù)據(jù)信息進行分類、預測、挖掘和識別，構建前饋式神經(jīng)網(wǎng)絡模型。其中，以hopfield的離散模型和連續(xù)模型為代表，可以實現(xiàn)優(yōu)化計算、聯(lián)想記憶的反饋式神經(jīng)網(wǎng)絡模型。以art模型、koholon模型為代表，主要應用在聚類自組織映射方法。但是，神經(jīng)網(wǎng)絡技術也存在弊端，就是其“黑箱”性，人們在應用神經(jīng)網(wǎng)絡時無法理解學習與決策的過程，執(zhí)行起來較為困難[1]。

3.2遺傳算法

該項技術作為一種基于生物自然選擇、遺傳機理的隨機搜索算法。遺傳算法決定了其“遺傳性”，也就是適應性，具有隱含并行性、可以和其他模型性質(zhì)結合等優(yōu)勢；因此，在數(shù)據(jù)挖掘技術中的應用十分廣泛。Sunil成功開發(fā)了一種以遺傳算法為核心的數(shù)據(jù)挖掘工具，通過利用該項技術對兩個飛機失事真實數(shù)據(jù)展開了數(shù)據(jù)挖掘試驗，結果證明遺傳算法是有效實現(xiàn)數(shù)據(jù)挖掘的技術之一。遺傳算法由于自身的遺傳性，注定了需要和相關技術結合使用，如神經(jīng)網(wǎng)絡、粗集等技術。遺傳算法的應用還能夠優(yōu)化神經(jīng)網(wǎng)絡結構，在能夠增加容錯率的前提下，將隱藏單元、多余連接刪除。結合bp算法可以訓練神經(jīng)網(wǎng)絡，并在網(wǎng)絡當中提取規(guī)則。遺傳算法的缺陷是自身結構十分復雜，很多較早的收斂問題尚未解決。

3.3決策樹

決策樹作為一種預測模型算法之一，該項技術可以將海量數(shù)據(jù)進行分類，并從數(shù)據(jù)當中找出更具價值、潛在優(yōu)勢的信息。決策樹在使用中具有分類效率高、描述簡單等優(yōu)勢，可以對大規(guī)模數(shù)據(jù)進行處理。最具影響、最早的決策樹是由quinlan提出的基于信息熵的id3算法，其主要的問題包括：id3是一種非遞增的學習方法；id3決策樹作為一種單變量決策樹，表達復雜概念較為困難；同性相互關系強調(diào)性能不足；缺乏抗噪性。針對這些問題，也在id3模型算法基礎上進行了升級，如有人提出了id4遞增式算法；有人提出了ible算法等。

3.4粗集

粗集作為一種結合理論，主要是用于研究不確定、不精準的數(shù)學工具。該項理論的優(yōu)勢表現(xiàn)在：不需要給出額外信息；簡化輸入信息的表達空間；算法簡單、容易操作。該項技術處理對象類似二維關系信息表。粗集數(shù)學基礎作為一種集合論，無法直接處理連續(xù)的信息屬性。并且在現(xiàn)實的信息表當中連續(xù)屬性普遍存在。所以，制約粗集理論實用化的因素就是連續(xù)屬性離散問題[2]。

4數(shù)據(jù)挖掘技術的應用

4.1市場營銷方面的應用

在市場營銷方面上，用戶購買貨物情況可以采用信息管理系統(tǒng)、POS系統(tǒng)，特別是條形碼技術在零售行業(yè)中的應用十分廣泛。由于可以搜集的用戶信息量越來越多，甚至無法實現(xiàn)人為管控，需要在市場營銷中收集到各類相關數(shù)據(jù)，包括購物行為、習慣性分析，總結各類信息數(shù)據(jù)的特征，對推動市場營銷能力提升有著巨大的作用，對提高企業(yè)市場競爭力有著積極的影響。在用戶數(shù)據(jù)分析中，通過采用高效的數(shù)據(jù)挖掘技術可以精準地分析客戶購買取向和興趣，提高商業(yè)決策的精準性，市場營銷上的數(shù)據(jù)挖掘可以分為兩大類：數(shù)據(jù)庫營銷和貨籃分析，前者主要采用了交互式查詢、模型預測方法選擇潛在的用戶，這也是該項技術在應用中的主要任務，向潛在客戶自動推向內(nèi)心所需的產(chǎn)品[3]。還能夠系統(tǒng)地分析客戶層之間的關系，強化客戶管理，分析零售行業(yè)的發(fā)展趨勢，包括市場購買走向、季節(jié)性特點等因素。針對客戶的購買商品行為中發(fā)覺一系列關系。例如，如何采用打折券的形式提高銷售額度等。

4.2電信行業(yè)的應用

電信行業(yè)本身就與數(shù)據(jù)掛鉤；因此，在數(shù)據(jù)挖掘技術應用中有著巨大的優(yōu)勢。從行業(yè)整體情況來看，電信行業(yè)在價格競爭方面空前激烈，語音業(yè)務增長態(tài)勢放緩，急速增長的中國移動通信市場也面臨著很大的發(fā)展壓力。在中國電信行業(yè)改革背景下，加強了市場的競爭，電信市場競爭在未來會進一步增強，特別是在集團客戶領域?qū)用嫔稀ｋ娦判畔⒒⒓瘓F客戶已成為了未來各大運營商的競爭對手和實現(xiàn)經(jīng)濟增長的新引擎。隨著電信、移動、聯(lián)通全球業(yè)務競爭以及5G拍照的發(fā)放，各大運營商給客戶提供更加精準的解決方案也是大勢所趨，移動信息化已成為全球信息化服務的先導力量[4]。通過數(shù)據(jù)挖掘技術對大數(shù)據(jù)信息進行挖掘，包括數(shù)據(jù)統(tǒng)計分析、業(yè)務數(shù)據(jù)分析、銷售數(shù)據(jù)分析、網(wǎng)絡數(shù)據(jù)分析、流量數(shù)據(jù)分析、交易數(shù)量分析、情報數(shù)據(jù)分析以及日常數(shù)據(jù)分析等，結合預測預警模型、數(shù)據(jù)試驗模型等，為客戶提供精準、優(yōu)質(zhì)的服務，從而帶動新一輪的經(jīng)濟發(fā)展；但是，數(shù)據(jù)挖掘工具都是共享形式，運營商也需要在基礎工具形式上進行創(chuàng)新才能夠提高自身的市場競爭力。

4.3金融投資領域的應用

投資評估與股票交易市場預測作為金融業(yè)發(fā)展的重要趨勢，通常采用模型預測技術展開分析，包括統(tǒng)計回歸技術等。由于金融市場風險較大，在展開投資之前需要對各項數(shù)據(jù)進行分析，有效規(guī)避這種風險，明確最佳的投資方向。從客觀角度分析，任何事物發(fā)生都有一定趨勢和規(guī)律，可以進行預測，從投資評估到股票預測等諸多領域，可以通過挖掘數(shù)據(jù)信息推導出各個領域的發(fā)展情況，有效處理數(shù)據(jù)，深度挖掘數(shù)據(jù)間的關系，采用相關模式進行合理預測。鑒別金融信息中的欺詐行為。例如，商業(yè)銀行領域存在諸多惡意詐騙行為、惡意透支行為，這對銀行發(fā)展有著極大的威脅，通過數(shù)據(jù)挖掘和預測預警模型可以鑒別惡意行為，一旦發(fā)現(xiàn)會發(fā)出警報提醒決策人員，當今很多軟件都是針對銀行欺詐展開科學評估，探究交易風險發(fā)生的可能[5]。

5結語

數(shù)據(jù)挖掘技術作為一種十分重要的工具和手段，雖然受到技術的制約數(shù)據(jù)挖掘技術還不夠成熟；但是，可以挖掘一些風險行為、風險用戶、行業(yè)趨勢等信息。數(shù)據(jù)挖掘技術在當今各個行業(yè)中的應用都十分廣泛，可以解決一些十分棘手的問題，并且在未來發(fā)展中會發(fā)揮更大的效益。

參考文獻

[1]李卓陽.計算機數(shù)據(jù)挖掘技術的開發(fā)及應用[J].電腦迷,2016(10):111-112.

[2]王洪飛.計算機數(shù)據(jù)挖掘技術的開發(fā)及其應用探究[J].中小企業(yè)管理與科技,2016(9):147-148.

[3]米娜瓦爾,努拉合買提.計算機數(shù)據(jù)挖掘技術的開發(fā)及其應用探究[J].信息與電腦,2016(20):146-147.

[4]夏天維.計算機數(shù)據(jù)挖掘技術的開發(fā)及其應用探究[J].決策與信息,2016(9):233-234.

[5]沈文淵,丁穎.計算機數(shù)據(jù)挖掘技術的開發(fā)及其應用探究[J].信息系統(tǒng)工程,2014(6):130-132.

作者：楊繼武 單位：河北旅游職業(yè)學院