数据挖掘在企业竞争情报系统中的应用.doc

数据挖掘在企业竞争情报系统中的应用摘要: 本文主要概述了数据挖掘技术的发展历史和研究现状。并将数据挖掘技术在企业竞争情报系统中的应用状况分别从国内和国外两方面作了介绍。同时对数据挖掘技术在企业竞争中的应用的相关经典理论与最新理论作了简要的介绍。关键词: 数据挖掘;企业竞争情报; 知识发现中图分类号: TP392 1. 引言数据挖掘也称知识发现。数据挖掘是一门不断发展的综合交叉学科, 兴起于 20 世纪 80 年代末,是当前计算机行业最热门的研究领域之一。数据挖掘理论汇聚了数据库、可视化、并行计算等方面的技术, 集统计学、人工智能、模式识别、计算机科学、机器学****等多门学科理论知识为一体。数据挖掘技术从本质上来说是一种新的商业信息处理技术。[1] 从商业角度看, 数据挖掘技术就是按企业的既定的业务目标, 对大量的企业数据进行深层次分析以揭示隐藏的,未知的规律并将其模型化,从而支持商业决策活动。[2] 2. 研究历史 国外历史从数据库中发现知识( KDD ) 一词首次出现在 1989 年举行的第十一届国际联合人工智能学术会议上。到目前为止, 由美国人工智能协会主办的 KDD 国际研讨会已经召开了 8次, 规模由原来的专题讨论会发展到国际学术大会,研究重点也逐渐从发现方法转向系统应用, 注重多种发现策略和技术的集成,以及多种学科之间的相互渗透。 1999 年,亚太地区在北京召开的第三届 PAKDD 会议收到 158 篇论文,空前热烈。 IEEE 的 Knowledge and Data Engineering 会刊率先在 1993 年出版了 KDD 技术专刊。并行计算、计算机网络和信息工程等其他领域的国际学会、学刊也把数据挖掘和知识发现列为专题和专刊讨论, 甚至到了脍炙人口的程度。[3] 国内历史与国外相比, 国内对 DMKD 的研究稍晚, 没有形成整体力量。 1993 年国家自然科学基金首次支持我们对该领域的研究项目。[4] 目前,国内的许多科研单位和高等院校竞相开展知识发现的基础理论及其应用研究, 这些单位包括清华大学、中科院计算技术研究所、空军第三研究所、海军装备论证中心等。其中, 北京系统工程研究所对模糊方法在知识发现中的应用进行了较深入的研究,北京大学也在开展对数据立方体代数的研究,华中理工大学、复旦大学、浙江大学、中国科技大学、中科院数学研究所、吉林大学等单位开展了对关联规则开采算法的优化和改造; 南京大学、四川联合大学和上海交通大学等单位探讨、研究了非结构化数据的知识发现以及 Web 数据挖掘。[5] 重要理论 1997 年, Mannila 对当时流行的数据挖掘理论的理论框架给出了综述。[6] 结合最新的研究成果,有下面一些重要的理论。模式发现架构理论, 规则发现架构理论, 基于概率与统计理论, 微观经济学观点理论, 基于数据压缩的理论, 基于归纳数据库理论, 可视化数据挖掘理论。这些经典的理论直到今天还是研究的热门。而且也不能算是完善的理论。毕竟数据挖掘的概念的提出不过几十年。 Piatetsky-Shapiro 说数据挖掘技术在被广泛应用之前,仍然有许多“鸿沟”要跨越,即所谓 Chasm 阶段。[7] 3. 研究现状 国外研究与应用现状最近, Gartner Group 的一次高级技术调查将数据挖掘和人工智