数据挖掘的工业标准的现状和展望 - 计算机应用研究.pdf

·8 · 计算机应用研究 2004 年 数 据 挖 掘 的工 业 标 准 的现 状 和 展 望 方 骏, 方 云, 肖 杰 ( 浙江 大学 信 息学 院, 浙 江 杭州 3 10027) 摘 要: 简单介 绍了数据 挖掘 的基 本 内容和作 用, 回顾 了数 据挖掘在 国 内的应 用和 发展 情 况, 提 出 了数 据 挖掘 的行 业标 准问题及标 准制 定的重要 性。鉴于 国内的数据 挖掘 行业 尚未有相 关的行业标准, 简单介 绍 了几个 目前 国外 比较 流行 的标准 ( PMML, OLE DB DM, CRISP- DM 等) 及行 业标 准制 定中有待 完善和发展的方 面。 关键 词: 数 据挖掘; 行业标准; PMML; OLE DB DM; CRISP- DM; SEMMA 中图法分 类号 : TP311. 12 文献标 识码 : A 文章编 号: 1001- 3695( 2004) 06- 0008- 03 The Current and Prospective Industry Standards for Data Mining FANG Jun, FANG Yun, XIAO Jie ( School of Information Science Engineering, Zhejiang University, Hangzhou Zhej iang 310027 , China) Abstract: The paper introduces the basic concepts of data mining and evaluates the current application and development of data mining in China. Because of the lack of systematic industry standards for data mining in China, this paper briefly intro- duces the current tentative industry standards, most of which have been successfully applied in western countries, for the refer- ences of scientists and developers in China. Meanwhile, the prospective industry standards are also discussed. Key words: Data Mining; Industry Standards; PMML; OLE DB DM; CRISP- DM; SEMMA 随着社会和技术的进步, 各个行业 的数据正 以几何级数的 1 我国的数据挖掘的行业现状 速度在增长, 例如在运营 B2C 的网站上, 保存着大量( 几十 GB 到几 TB) 的关于访 问客户的点击行为和所购 买商品的数据记 目前, 我国的数据挖掘 行业 尚处于初 始发展 阶段, 但是推 录。数十年来, 随着计算机技术 的进步, 大批 数据库 已经建立 广的速度是十分迅速 的。特别 是关于数据挖掘算法 的研究工 起来 了, 但是对于这些快速增长 的海量 数据而 言, 由于缺乏强 作, 近两年有大量的关于算法的报 道和论文发表, 如 具有非对 有力的工具, 理解它们 已经远远超 出了人的能力, 从而使得 收