數(shù)據(jù)挖掘的現(xiàn)狀及趨勢研究VIP

數(shù)據(jù)挖掘的現(xiàn)狀及趨勢研究

數(shù)據(jù)挖掘的現(xiàn)狀和趨勢研究近年來，隨著信息行業(yè)的迅速發(fā)展，數(shù)據(jù)挖掘已經(jīng)成為各行業(yè)關注的焦點問題。本文介紹了數(shù)據(jù)挖掘的基本理論知識，并重點分析了數(shù)據(jù)挖掘在市場、金融、電商等主要數(shù)據(jù)領域的應用現(xiàn)狀，旨在突出數(shù)據(jù)挖掘的應用優(yōu)勢，為企業(yè)決策者提供理論依據(jù)。同時，本文還針對數(shù)據(jù)挖掘方法不足、性能不足、缺少用戶交互意識以及數(shù)據(jù)庫與挖掘系統(tǒng)不匹配等問題提出了解決對策。最后，本文展望了數(shù)據(jù)挖掘在未來的發(fā)展趨勢，總結了數(shù)據(jù)挖掘語言的標準化、數(shù)字化以及多種技術合作集成的發(fā)展趨勢，為未來的數(shù)據(jù)挖掘研究提供參考。背景隨著科學的發(fā)展和技術的更新，信息時代已經(jīng)悄然走進我們的生活。各種網(wǎng)絡新技術也隨之而來，由各個行業(yè)搜集、儲存的大量數(shù)據(jù)組成了大數(shù)據(jù)倉庫。由于數(shù)據(jù)量巨大，傳統(tǒng)的數(shù)據(jù)挖掘方法已經(jīng)無法發(fā)掘關鍵信息，導致很多數(shù)據(jù)無法顯示出對行業(yè)發(fā)展有用的信息。因此，決策者急需能夠深入數(shù)據(jù)庫內部快速分析、整理未被發(fā)現(xiàn)的價值信息的創(chuàng)新技術，以便指導企業(yè)的發(fā)展。在這種情況下，數(shù)據(jù)挖掘技術應運而生。數(shù)據(jù)挖掘技術數(shù)據(jù)挖掘是數(shù)據(jù)庫知識發(fā)現(xiàn)（KDD）中的一個步驟，兩者有著緊密的關系。數(shù)據(jù)挖掘技術之所以受歡迎，是因為它能解決其它技術無法發(fā)掘信息的問題。它能夠在海量數(shù)據(jù)中獲取藏匿其中的信息，這些信息的價值遠遠超過之前所挖掘出來的。通過深入分析并總結價值規(guī)律，數(shù)據(jù)挖掘技術能夠為企業(yè)決策者提供理論根據(jù)?，F(xiàn)狀和趨勢隨著二十多年的數(shù)據(jù)挖掘技術的發(fā)展，數(shù)據(jù)挖掘已經(jīng)成為綜合性技術，必須與其他新技術相結合。在理論研究方面，數(shù)據(jù)挖掘技術不斷深入發(fā)掘理論基礎，更新所需要的理論技術，完善自身不足。在實際應用上，數(shù)據(jù)挖掘技術基于自身的優(yōu)勢，使得應用廣泛，前景大好。例如，在市場營銷、保險金融等領域，數(shù)據(jù)倉庫大，信息價值高。國外的最新研究在于更深入的KDD采用算法研究，在行業(yè)應用中技術運用相當成熟。相對來說，國內在研究方面還處在緩慢發(fā)展階段，技術運用也不太成熟，但總體上還是穩(wěn)步上升的。解決對策在數(shù)據(jù)挖掘的發(fā)展過程中，出現(xiàn)了一系列問題，例如數(shù)據(jù)挖掘方法不足、性能不足、缺少用戶交互意識以及數(shù)據(jù)庫與挖掘系統(tǒng)不匹配等。為了解決這些問題，我們需要采取相應的對策。例如，可以加強數(shù)據(jù)挖掘方法的研究，提高數(shù)據(jù)挖掘的性能，增加用戶交互意識，并且改善數(shù)據(jù)庫與挖掘系統(tǒng)之間的匹配度。未來趨勢展望未來，數(shù)據(jù)挖掘技術將繼續(xù)發(fā)展。數(shù)據(jù)挖掘語言的標準化、數(shù)字化以及多種技術合作集成將成為發(fā)展趨勢。這將有助于行業(yè)內競爭與發(fā)展，為未來的數(shù)據(jù)挖掘研究提供參考。本文旨在研究數(shù)據(jù)挖掘理論，并探討其在實際應用中的現(xiàn)狀和發(fā)展趨勢。研究目的包括對比國內外數(shù)據(jù)挖掘研究現(xiàn)狀、展示其在各行業(yè)中的應用優(yōu)勢、分析存在的問題并提出應對策略、明確未來的發(fā)展方向和規(guī)劃。本研究的意義在于為決策者提供理論依據(jù)、幫助各行業(yè)緊跟發(fā)展潮流、減少錯誤并完善技術、統(tǒng)一規(guī)劃行業(yè)發(fā)展。國外在知識發(fā)現(xiàn)和數(shù)據(jù)挖掘領域的研究始于上世紀九十年代，各國科研工作者加大了對數(shù)據(jù)挖掘技術的重視并不斷創(chuàng)新改進，取得了顯著成效。國外研究人員注重數(shù)據(jù)集、數(shù)據(jù)庫之間的集成，數(shù)據(jù)挖掘前需要對數(shù)據(jù)集進行清洗和準備原始狀態(tài)。數(shù)據(jù)研究與趨勢挖掘技術和應用的重點是數(shù)據(jù)領域之間的集成倉儲和數(shù)據(jù)挖掘，強調對現(xiàn)實世界問題的適用性。2）通過對國內外數(shù)據(jù)挖掘軟件工具的比較和分析，探討其優(yōu)缺點及適用范圍。3）針對國內DM軟件工具的研發(fā)現(xiàn)狀，對其進行分析和評價，提出改進建議。4）以某企業(yè)為案例，運用數(shù)據(jù)挖掘技術對其銷售數(shù)據(jù)進行分析，探討數(shù)據(jù)挖掘在實際應用中的效果和意義。1.4.2研究方法本研究采用文獻資料法、案例分析法、問卷調查法和實驗研究法相結合的方法進行。首先，通過文獻資料法對國內外DM的研究現(xiàn)狀和軟件工具進行梳理和總結，探討其發(fā)展趨勢和影響意義。其次，以某企業(yè)為案例，采用實驗研究法和數(shù)據(jù)挖掘技術對其銷售數(shù)據(jù)進行分析，探討其在實際應用中的效果和意義。最后，通過問卷調查法對國內DM軟件工具的使用情況和需求進行調查，以此為基礎提出改進建議。數(shù)據(jù)挖掘是一種從大量數(shù)據(jù)中發(fā)現(xiàn)未知模式和規(guī)律的過程。它是一種綜合性技術，涉及到多個領域的知識和技能，如統(tǒng)計學、機器研究、人工智能等。通過數(shù)據(jù)挖掘，可以發(fā)現(xiàn)數(shù)據(jù)中隱藏的信息，為決策者提供有效的參考和支持。2.1.2數(shù)據(jù)挖掘的基本算法數(shù)據(jù)挖掘的基本算法包括分類、聚類、關聯(lián)規(guī)則挖掘、異常檢測等。其中，分類是將數(shù)據(jù)分成不同的類別，聚類是將數(shù)據(jù)分成相似的群體，關聯(lián)規(guī)則挖掘是發(fā)現(xiàn)數(shù)據(jù)之間的關聯(lián)性，異常檢測是發(fā)現(xiàn)數(shù)據(jù)中的異常值。2.1.3數(shù)據(jù)挖掘的應用領域數(shù)據(jù)挖掘已經(jīng)廣泛應用于各個領域，如金融、醫(yī)療、電子商務等。在金融領域，數(shù)據(jù)挖掘可以用于風險評估、信用評估等方面；在醫(yī)療領域，數(shù)據(jù)挖掘可以用于疾病診斷、藥物研發(fā)等方面；在電子商務領域，數(shù)據(jù)挖掘可以用于個性化推薦、用戶行為分析等方面。2.2發(fā)展歷程數(shù)據(jù)挖掘的發(fā)展可以追溯到上世紀60年代，當時主要是應用統(tǒng)計學方法進行數(shù)據(jù)分析。隨著計算機技術的不斷發(fā)展，數(shù)據(jù)挖掘技術也不斷更新和完善。在20世紀80年代和90年代，機器研究和人工智能技術的發(fā)展促進了數(shù)據(jù)挖掘技術的進一步發(fā)展。21世紀以來，數(shù)據(jù)挖掘技術得到了廣泛應用，成為信息化領域中的重要技術之一。然而，在數(shù)據(jù)挖掘的發(fā)展過程中，也存在著一些問題。比如，數(shù)據(jù)質量不高、算法選擇不當?shù)葐栴}會影響數(shù)據(jù)挖掘的效果。針對這些問題，可以采取多種策略，如提高數(shù)據(jù)質量、優(yōu)化算法選擇等。未來，隨著大數(shù)據(jù)時代的到來，數(shù)據(jù)挖掘技術也將不斷發(fā)展和完善，為各個領域的決策者提供更加有效的支持和幫助。數(shù)據(jù)挖掘（DM）是對數(shù)據(jù)進行再分析和挖掘的過程。由于數(shù)據(jù)庫系統(tǒng)的存在，DM與之密切相關，因此在數(shù)據(jù)庫知識發(fā)現(xiàn)（KDD）的基礎上，提取數(shù)據(jù)并找到關鍵知識信息的過程尤為重要。DM是知識發(fā)現(xiàn)的一步，是復雜過程中的重要環(huán)節(jié)。數(shù)據(jù)挖掘需要借助多種數(shù)據(jù)分析工具，在海量的數(shù)據(jù)信息中挖掘模型之間的關系。DM技術的基礎學科是計算機科學技術，并融入統(tǒng)計學和其他專業(yè)學科知識，運用專業(yè)算法和規(guī)則對數(shù)據(jù)進行二次挖掘。數(shù)據(jù)挖掘是從大量的、不完全的、模糊的、有噪聲的以及具有隨性的數(shù)據(jù)中，對隱含的、具有潛在作用和有意義知識進行提取的過程。數(shù)據(jù)挖掘技術關鍵在于能夠在初次提取的數(shù)據(jù)信息中找到隱藏在深處的數(shù)據(jù)規(guī)律，這些信息的價值遠超過其它，是未來決策的重要依據(jù)，也是處理數(shù)據(jù)最高層次的應用，提高了數(shù)據(jù)的重復利用率，對數(shù)據(jù)行業(yè)做出了突出貢獻。數(shù)據(jù)挖掘的特點包括：處理的數(shù)據(jù)量非常大；用戶可以在任何時間和地點使用查詢系統(tǒng)，以保證和滿足用戶的要求；滿足數(shù)據(jù)庫的需求，分別對所有數(shù)據(jù)進行分析，覆蓋全面，為以后應用提供依據(jù)；面對數(shù)據(jù)庫中樣本的特點，從數(shù)據(jù)本身規(guī)律出發(fā)，其發(fā)掘的算法規(guī)則只適用于自身。這些特點與DM挖掘的樣本數(shù)據(jù)和所要達到的目標有緊密的關聯(lián)。數(shù)據(jù)挖掘的任務包括：分類、聚類、關聯(lián)、回歸、預測、序列分析等。分類是把數(shù)據(jù)樣本中的數(shù)據(jù)按照某一概念進行排列組合，建立分類模型，最終目標是獲得分類規(guī)則。常用的分類算法包括決策樹模式、神經(jīng)網(wǎng)絡算法等。聚類是把樣本數(shù)據(jù)庫根據(jù)其相似性分成許多類別，使得同類中具有更多相似性，反之，不同類中盡可能不同。雖然在應用方面與分類相近，但兩者區(qū)別在于聚類個數(shù)和細分程度。神經(jīng)網(wǎng)絡法是一種基于邏輯規(guī)則的研究過程，通過模仿神經(jīng)網(wǎng)絡的結構和功效來完成推理過程。它具有強大的研究記憶能力，但不能用于全過程，雖結果精確但無法說明。決策樹法是一種分類方法，能夠采用各種規(guī)則語言對初始數(shù)據(jù)完成分類，最終呈現(xiàn)出樹形圖。C4.5算法包括了分類和回歸雙重問題，適用于大量單一變量間且非數(shù)值數(shù)據(jù)。遺傳算法基于遺傳規(guī)則和生物進化原理，運用自然選擇規(guī)律對目標問題進行最優(yōu)解分析。它能夠處理多種復雜數(shù)據(jù)集，但所需參數(shù)巨大、復雜，在進行計算機編程更是繁瑣，常用來解決神經(jīng)元網(wǎng)絡。粗糙集法能夠分析模糊不確定、不完整的數(shù)據(jù)問題，過程簡單，步驟方便，但無法處理連續(xù)型數(shù)據(jù)，主要應用于近似推理、數(shù)字邏輯分析和化簡、建立預測模型等問題。模糊集法通過運用集合理論知識，對相關問題進行判斷與決策，選擇規(guī)則模式并使用聚類分析等。隸屬度作為一種標準來表現(xiàn)模糊事物的屬性。關聯(lián)規(guī)則法體現(xiàn)了變量間的相關性，能夠找到更有深意的數(shù)據(jù)。ri算法，定義了最小支持度和最小可信度兩個閾值。Pang-NingTan(2010)XXXofdatanandntechniqueshasledtotheemergenceofmassivedatasetsinbothbusinessandscientificfields[13]。XXX。n-XXXn-makers。enablingthemtomonitorthemarketandmanageindustries。makingitincreasinglywidelyused。IoannisKarakatsanisa(2017)XXX。XXXmarkettrendsandchangeswillbeofgreatvaluetojobseekers。employers。n-makers。andinvestors[14].3.1.1nsinMarketingInmarketing。enterprisesspendalotofmoneyandtimeonmarketandcustomerXXX-makerstoconductmarketanalysisandn-making。theycanpromptlydiscovertheimpactofnandsalesonthemarketandcustomers。obtainvaluableintelligence。controlthenofenterprisemarkets。andXXX。thenofdatamininginmarketingisinlinewiththetrendofmarketdevelopment.Facingalargenumberofconsumers。XXXgods。andconductcomprehensiveanalysisoftheconsumermarketandtheirronthisbasis。ByusingdataXXX。allconsumer-relatedconceptsXXXfuturemarketstrategies。aswellasstayaheadofcustomerXXX。themarketisalsocrucial。Aftercustomersareidentified。enterprisesneedtoplantooccupymarketshareandXXXandanalyzeusdata。analyzemarkettrends。XXX-makersinatimelymanner。XXX.首先，針對特殊消費者，進行全面信息收集、整理和分析，預測未來消費趨勢，進行有效的營銷。然后，對收集的消費信息進行系統(tǒng)的數(shù)據(jù)挖掘，深度解析數(shù)據(jù)，運用DM技術的各種模型算法，預估消費者的相關聯(lián)消費傾向，進而調整企業(yè)業(yè)務范圍，開拓新的業(yè)務領域。銀行、通信運營商和零售商已能成熟運用消費者屬性和行為數(shù)據(jù)來識別風險和付費可能性。其次，企業(yè)可以充分發(fā)揮數(shù)據(jù)挖掘在數(shù)據(jù)領域的優(yōu)勢，提升競爭力，增大市場份額，獲得更多市場優(yōu)勢，從而完成戰(zhàn)略發(fā)展。同時，企業(yè)可以將整合的消費數(shù)據(jù)制成各項數(shù)據(jù)庫系統(tǒng)，擴大業(yè)務，維持自身發(fā)展。挖掘重點客戶也成為重中之重，通過對用戶行為的分析，判斷哪些用戶與企業(yè)的產(chǎn)品和服務匹配，是最有價值的用戶。在證券領域，數(shù)據(jù)挖掘技術主要應用于開發(fā)新的數(shù)據(jù)系統(tǒng)，使用各大證券公司儲存的各項數(shù)據(jù)，建立模型，分析模型特點以便得到各種統(tǒng)計報表，針對報表的數(shù)據(jù)信息進行證券內部預測和評價。證券企業(yè)應立足自身，利用行業(yè)優(yōu)勢，結合相關算法對潛藏信息進行發(fā)掘，使決策者對企業(yè)長遠發(fā)展完勝決策。我國政府在十三五規(guī)劃期間對大數(shù)據(jù)在保險行業(yè)的應用提出了更高的要求。我們應向海外保險機構研究先進的經(jīng)驗，例如在保險的定價與營銷、保單的后期管理、理賠過程等領域，國外機構已做出革命性的創(chuàng)新。我國應緊跟大數(shù)據(jù)潮流，深化大數(shù)據(jù)在保險業(yè)創(chuàng)新應用，形成大數(shù)據(jù)產(chǎn)業(yè)鏈條。保險業(yè)是一種風險性十分巨大的業(yè)務，數(shù)據(jù)挖掘技術的運用不但可以預測相關風險性，還能為業(yè)務員把握方向，減少保險錯誤發(fā)生率，便于保險業(yè)的可持續(xù)性。在過去，保險機構很難和客戶建立起溝通的橋梁，交流上的障礙難免產(chǎn)生不必要誤會。將大數(shù)據(jù)應用到保險行業(yè)，把零散的客戶信息通過大數(shù)據(jù)進行分析，建立起客戶與機構之間的有效溝通渠道，提高客戶滿意度，促進業(yè)務發(fā)展。在實際應用中，數(shù)據(jù)挖掘技術主要應用于企業(yè)風險控制，尤其是銀行貸款業(yè)務。銀行需要評估客戶的信用度，并預測未來的信用趨勢。數(shù)據(jù)挖掘技術可以幫助銀行進行全面的客戶分析，綜合考慮各種突發(fā)情況，最大程度地降低企業(yè)風險，支持行業(yè)發(fā)展。在金融領域，企業(yè)需要通過推銷旗下產(chǎn)品來獲得利益。為了應對客戶數(shù)量和市場不確定性的挑戰(zhàn)，數(shù)據(jù)挖掘算法中的關聯(lián)算法可以幫助企業(yè)分析客戶需求，研發(fā)多類型的產(chǎn)品服務，豐富企業(yè)的營銷手段，提升業(yè)績。針對客戶市場的研究也是銀行的重中之重，深入分析客戶市場變化規(guī)律，對重點部分進行細分，掌握其發(fā)展動向，判斷將會帶來的價值區(qū)間，有針對性地提供業(yè)務范疇，以滿足銀行客戶市場的需要，并找到更多新客源，來相對減少人員流失。隨著網(wǎng)絡的飛速發(fā)展，電子商務已經(jīng)逐漸取代實體商店。數(shù)據(jù)挖掘技術可以為電商企業(yè)提供深入了解客戶需求信息和購物行為特征的可能性。通過記錄消費者之間共性和個性之間聯(lián)系，將記錄的數(shù)據(jù)進行分析，描繪出消費者消費心理、消費需求、消費偏好等特征，為電商企業(yè)提供決策依據(jù)。在電子商務領域，“大數(shù)據(jù)”引入可以為電商企業(yè)的在市場細分方面提供強有力的支持，數(shù)據(jù)挖掘可以將電商企業(yè)的客戶進行聚類，通過對相同類客戶消費行為特征的提取，電子商務企業(yè)可以針對特定特征制定個性化的服務。數(shù)據(jù)挖掘在全社會的廣泛應用，可以從初始數(shù)據(jù)中挖掘隱藏信息，實現(xiàn)企業(yè)數(shù)據(jù)的重復利用，對企業(yè)的持續(xù)發(fā)展有著很大的影響。面對嚴峻的市場形勢和復雜的企業(yè)環(huán)境，采用先進的DM技術將會改善市場環(huán)境，增強企業(yè)競爭力，樹立員工信念和凝聚力，更新企業(yè)理念，提升經(jīng)營治理水平，帶給企業(yè)收獲的同時也促進了發(fā)展。然而，在數(shù)據(jù)挖掘的發(fā)展過程中，也存在一些問題。例如，數(shù)據(jù)質量不足、數(shù)據(jù)隱私保護、算法不夠精確等問題。為了應對這些問題，需要加強數(shù)據(jù)質量控制，加強數(shù)據(jù)隱私保護，提高算法的精度和可靠性。同時，也需要加強對數(shù)據(jù)挖掘技術的研究和應用，不斷推進數(shù)據(jù)挖掘技術的發(fā)展和創(chuàng)新。數(shù)據(jù)挖掘技術在應用中還存在一個問題，就是多樣性的數(shù)據(jù)庫類型與DM系統(tǒng)不匹配。由于不同類型的數(shù)據(jù)庫有著不同的數(shù)據(jù)結構和數(shù)據(jù)特征，因此需要針對不同的數(shù)據(jù)庫類型開發(fā)相應的DM系統(tǒng)，以滿足不同類型數(shù)據(jù)庫的需求。目前，一些DM系統(tǒng)還無法適應多樣性的數(shù)據(jù)庫類型，這也是需要解決的問題。研究學者需要開發(fā)更為靈活的DM系統(tǒng)，以適應不同類型數(shù)據(jù)庫的需求。同時，也需要對不同類型數(shù)據(jù)庫的數(shù)據(jù)特征進行深入研究，以提高DM系統(tǒng)的適應性和性能。隨著每天數(shù)據(jù)的不斷變化，數(shù)據(jù)類型變得越來越復雜。因此，數(shù)據(jù)挖掘領域的研究人員需要時刻關注變化的趨勢，并相應地做出調整，其中之一就是尋找適用于復雜數(shù)據(jù)的新挖掘方法。盡管已經(jīng)在各種分類挖掘中取得了初步的突破，但這還不足以在整個數(shù)據(jù)挖掘領域應用。因此，在探索新方法的道路上，仍然面臨著漫長而艱巨的任務。復雜數(shù)據(jù)之所以難以處理，在于它們包含的范圍廣泛、數(shù)據(jù)量豐富、數(shù)據(jù)類型多樣。當以這些為研究目標時，由于數(shù)據(jù)構造很難解析，數(shù)據(jù)間關系比較錯雜難辨，之前相對大部分數(shù)據(jù)類型適用的挖掘方法已經(jīng)不再適用。面對數(shù)據(jù)變化如此之快，必然需要一些新的方法來應對復雜問題。基于復雜數(shù)據(jù)的保存和模型建立的特殊性，在之前研發(fā)的數(shù)據(jù)庫系統(tǒng)中，已經(jīng)對大批繁雜數(shù)據(jù)目標構成分組，分析目標關聯(lián)和數(shù)據(jù)庫。針對復雜數(shù)據(jù)研究的工作人員目前能夠具體化復雜數(shù)據(jù)的分類特性，不管數(shù)據(jù)集合中相同構造還是不同的，都能夠簡化復雜程度，很清晰地展示在人們面前。另外，在進行具體化操作時，復雜數(shù)據(jù)中序列問題能夠確保排序不發(fā)生變化，避免破壞初始數(shù)據(jù)，造成數(shù)據(jù)缺失、遺漏等問題。信息流通越發(fā)便捷快速，由此在信息中包含的個人隱私也在進行多方面?zhèn)鬟f。手機、計算機等能夠儲存?zhèn)€人信息的終端在網(wǎng)絡技術的操控下，能夠不經(jīng)過人們允許隨時隨地地被收集到某個數(shù)據(jù)庫系統(tǒng)中。雖然數(shù)據(jù)公司只是用于科研領域，但很容易被不法分子利用，導致一部分的個人隱私泄露到公眾場合里。因此，數(shù)據(jù)挖掘面臨著嚴峻的信息保護以及隱私安全問題。數(shù)據(jù)挖掘在正反對立面上出現(xiàn)的問題，是其它領域普遍的現(xiàn)象，但基于行業(yè)特點，數(shù)據(jù)是DM進行各項研究應用的基礎元素，因而相對別的危險系數(shù)更大，各行各業(yè)的研究人員以及所有客戶也更為重視。關于在客戶信息隱私保護下進行數(shù)據(jù)挖掘的研究，隨著人們對客戶隱私安全的重視，開發(fā)完備的保護機制成為數(shù)據(jù)挖掘在市場應用中繼續(xù)發(fā)展的首要任務。首先，數(shù)據(jù)公司應與客戶溝通，共同制定符合雙方利益的隱私保護標準，確保所有業(yè)務都在此標準下進行。其次，數(shù)據(jù)產(chǎn)業(yè)應合并技術指標，全面保護客戶信息。最后，在保護機制建設完成后，需要及時有效地解決信息漏洞，均衡不同方法之間的準確性。同時，加密技術對于保護個人信息的作用不可忽視，但很多人對此不熟悉，因此需要加強信息監(jiān)管力度，對數(shù)據(jù)客戶負責到底。目前，數(shù)據(jù)行業(yè)發(fā)展迅速，社會各領域對其需求也越來越大。在理論研究進一步完善的基礎上，數(shù)據(jù)挖掘的發(fā)展趨勢一片大好，前景無限。研究學者將研究重點放在生物工程、基因挖掘領域，針對各行業(yè)的數(shù)據(jù)現(xiàn)狀，研究數(shù)據(jù)挖掘在網(wǎng)絡建設發(fā)展中的運用。理論研究的最終目標是根據(jù)部分用戶的每日點擊率累積在眾多數(shù)據(jù)中且有用的信息，保證運用某些算法可以精確辨別信息價值。數(shù)據(jù)挖掘技術已經(jīng)不僅作為背景，而且已經(jīng)作為前景對人類產(chǎn)生影響。數(shù)據(jù)挖掘產(chǎn)業(yè)鏈龐大，行情復雜多變，應用于領域發(fā)展廣泛。因此，研發(fā)一種一勞永逸且融合多種算法模型的軟件技術代替復雜的研發(fā)過程很不現(xiàn)實。對于不同的數(shù)據(jù)挖掘任務，數(shù)據(jù)挖掘算法和技術問題不能進行資源分享，彼此無法溝通，很難做到標準化處理。因此，面對數(shù)據(jù)需求量極大的行業(yè)要求，數(shù)據(jù)挖掘領域應該發(fā)明一套屬于自身行業(yè)的標準化模式，可以應用在數(shù)據(jù)語言、挖掘行為以及系統(tǒng)程序中。這種標準必須實用、權威且目的性強，能夠為未來的數(shù)據(jù)挖掘提供強有力的工具，實現(xiàn)各行業(yè)的應用需要。同時，數(shù)據(jù)挖掘的標準化語言也能夠在各種數(shù)據(jù)庫系統(tǒng)中完成數(shù)據(jù)交接與分享，對建立數(shù)據(jù)模型和完善挖掘方法都會