网络信息挖掘系统评价初探.pdfVIP

随着电子商务的蓬勃兴起， 许多企业已经开始意识到其所拥有的丰富的信息资源在商业决策 中具有潜在的巨大商业价值。 更好的决策支持需求和企业电子商务的开展正推动着网络信息 挖掘系统的研究与开发。 鉴于网络信息挖掘是在数据挖掘的基础上发展起来的， 因此对于网络信息挖掘系统的基 本问题，本文仍将利用数据挖掘系统的基本理论来描述。 目前，由于网络信息挖掘系统的发展正在起步阶段， 因此它的分类还无法达到数据挖掘 系统分类那样细致。具体而言，对网络信息挖掘系统分类可以从商业能力、挖掘数据类型、 挖掘功能、 数据分析方法和应用领域角度进行。 其中商业能力角度的分类与数据挖掘系统的 商业能力分类完全相同， 即分为商业产品和研究原型。 而从另外几个角度看， 网络信息挖掘 系统的类型具有自身一些特点， 例如从应用领域角度看， 网络信息挖掘系统可以分为面向电 子商务型、 面向远程教育型、面向旅游型、面向广告业型等。 随着网络信息挖掘技术的进一 步发展，将出现更加丰富的网络信息挖掘系统类型。 1 系统评价现状调查 据调查， 目前国内外还没有出现完全针对网络信息挖掘系统的评价成果， 因而对网络信 息挖掘系统的评价具有一定的创新性。 笔者认为， 对网络信息挖掘系统的评价可以充分地借 鉴数据挖掘系统的评价方法。应该说这两类系统在很多评价指标上都有重合。 从国外来讲， 1998 年前后已经有一些研究人员和机构对数据挖掘系统进行了一定的评 价研究。他们所采用的评价体系各有特点，以下是一些简要介绍。 1） J.F.Elder 等人主要对 17 种数据挖掘系统进行了评价 [1] ，其中包括了著名的 Clementine 、Intelligent Miner 系统。这些系统具有以下共同的特点： 单平台 （Stand Alone ）、 多用途、 支持多种模式和分类算法， 并支持模式构建中的项目阶段。 他们主要从 6 大方面对 这些系统进行比较， 除此之外， 他们还单独从用户端角度对数据挖掘系统性能进行评价。 他 们认为并非支持的算法越多越好， 各种算法面对不同的问题其解决能力也是不同的， 它们具 有自身的优点与缺点。 在文章的最后， 还对这 17 种产品的优势 /劣势作了总体的描述性评价。 2 ）M.A. King 等人针对 14 种桌面型数据挖掘系统 [2] ，重点对各个系统的特征和性能 进行比较。他们选用了 20 个评价指标，并设计了一个标准的评价过程 —— 6 分制评分标准 来评价各种软件工具的优点和缺点。 他们评价的特色在于针对 4 种算法的产品分别评价， 并 采用 4 类数据集测试系统的性能。他们认为网络法（ Polynomial and Neural ）要比分割法 （Trees and Rules ）更精确，另外也提出可以加入计算机环境、数据库连接性、提供商的 稳定性等指标进一步评价。 3）D.W.Abbott 等人主要针对高端型（ High-end ）用于欺诈甄别的数据挖掘系统进行了 评价 [3] 。尽管仅选择了 5 个系统（ Clementine 、 Intelligent Miner for Mata 、 Darwin 、 En- terprise Miner 、Pattern Recognition Workbench ）进行评价，但是他们针对这 5 个专 门应用于欺诈甄别的系统进行了细致的比较。 4 ）M.Goebel 等人将数据库中知识发现（ KDD ）与数据挖掘结合到