Internet_Web数据挖掘研究现状及最新进展_陈莉
Internet_Web数据挖掘研究现状及最新进展_陈莉
Internet/Web数据挖掘研究现状及最新进展
陈 莉,焦李成
(西安电子科技大学雷达信号处理国家重点实验室,陕西西安
710071)
tMiner等.
现有的数据挖掘技术分为5类[2],即预测模型化、聚类、数据归纳、依赖模型化以及发现变
化和偏差.从
国内外目前的研究进展来看,各学科的研究自成一派,没有突破各个领域的技术界限;没有融
合各领域的不
同方法;尤其是未将并行优化的诸方法集成用于数据库中的数据挖掘,从而提高实时性,并解
决随机的、动态
的、不完全的及混沌数据的数据挖掘,即所谓智能数据挖掘.而且以往多数技术都是在驻留于
内存的数据之
上进行挖掘,没有把这些技术与数据库技术相集成.近年来,有些技术已开始定位于大型数据
库上的挖掘,即
基于磁盘存贮进行挖掘.从而出现了关系数据库的数据挖掘、面向对象数据库的数据挖掘等.
由于Internet和
WWW的广泛应用,出现了基于异构数据源的数据挖掘,如文档数据挖掘、时间序列数据挖掘、
电子商务系统
中的数据挖掘.伴随数据库技术的发展,多媒体数据库的数据挖掘、时态数据库的数据挖掘、
空间数据库的数
据挖掘等也引起了许多人的关注.近来,移动计算作为第三代通信手段的数据挖掘也在研究之
中.显然,计算
机、网络、通信的三合为一,产生了数据挖掘新的研究方向.笔者综述了近来数据挖掘的研究
现状、最新进展
和未来的研究方向.
1 数据挖掘研究现状及最新进展
1.1 关联规则的研究现状
关联规则是KDD研究中的一个重要分支.自从R.Agrawal等人在SIGMOD93上第一次提
出这个问题以
来,关联规则一直是众多学者的研究热点.现已发表的研究论文包括确定性关联规则的挖掘、
量化关联规则
的挖掘、增量式关联规则的挖掘、模糊关联规则的挖掘、广义关联规则的挖掘等.关联规则
挖掘的目的是在交
易数据库中发现各项目之间的关联关系.著名的关联规则发现算法是Apriori,该算法首先识别
所有的频繁项
目集,这是算法的核心.为了改善算法的性能,Agrawal等人在VLDB94上又提出了快速算
法,Park等人在
