·204· 北京科技大学学报 1999年第2期 用户感兴趣的或者与先前的知识有矛盾.Jong P. 量.针对兴趣度的主观度量，文献[12]将其分为 Yoon与Larry Kerschberg针对这个问题提出 未期望到的(Unexpectedness)以及可操作的 了一个数据库中知识发现与进化的概念.提出了 (Actionability). 利用数据库查询以发现新知识，使用正反两个方 G.Piatetsy-Shapiro2o1等对数据库发掘的应用 面的例子来发现新知识以及新旧知识的协调一 状况给出了全面的介绍，概括起来，这些应用主 致，对数据库中例外的特征化以及随着知识与数 要包括市场分析与预测，瑕疵检测、制造业、通 据库的同步进化， 讯、天文学、保险业、市场经营、医学、金融业、在 (6)在数据发掘中，大量的工作是关于关联 线服务、商场顾客交易、证券市场与期货市场的 规则、分类规则、簇集规则等某种特定规则的发 客户交易、nternet上的巨量数据处理等， 掘研究.由于数据库的规模巨大，数据的广泛分 布，一些数据发掘算法的计算复杂性，等等都呼 4急待研究的部分专题与新构想 唤高效发掘算法的研究.Cheung D W).等人对 4.1急待研究的部分专题 分布式数据库的关联规则的发掘提出了一种有 (1)并行或分布的发掘算法的开发研究； 效算法DMA(Distributed Mining of Association (2)在多个抽象级上，在不同知识层面上发 rules).因为需要大量的额外通讯开销，将串行算 掘多种知识的有效方法； 法直接用于分布式数据库的效率不高；DMA生 (3)灵活方便的数据发掘语言与接口； 成一个小的候选集，且对每个候选集为支持数目 (4)在高级数据发掘系统中的知识发现技术 交换仅需要O()个信息，这里n是分布式数据库 及其应用系统的开发； 的分布点数.因此，DMA具有很高的性能 (5)发现到的知识与专家定义的知识的集 (7)数据发掘除了集成方法或一般框架上的 成；数据安全与数据保密. 研究和对某种特定规则的研究外，对特定数据库 4.2一个新构想 的数据发掘也进行了大量的工作，如交易数据库 突破原有的仅以数据库为基础的知识发现 (Transaction Databases)6,刃，空间数据库(Spatial 系统及其核心概念-认知自主性，形成基于数据 Databases)M、时态数据库(Temporal Databases)h 库与知识库的具有扩展性核心概念的知识发现 以及面向对象数据库”、演绎数据库，等等. 系统KD(D&K).其基本结构（多层递阶，综合集 (8)Hongjun Lu等提出了利用神经网络发 成)与运行机制的构想如图1所示. 掘符号分类规则的方法，与基于决策树的方法相 比，他们提出的方法具有更小的分类出错率，抽 用户需求 控制 取的规则也更简洁；不同的是，抽出规则的时间 消耗比基于决策树的方法（如C4.5)来得长. 真实数据 聚焦 规则（知识）生成 结果评价 结果 2.3结果评价 评价的依据主要有统计原理、认知特性、数 据空间抽象、附加证据领域知识及内部反馈.一 数据库 协调器 知识库 再生 般在进行综合评价时，是若干个依据并行使用以 使评价保持客观性. 领域知识 专家知识 3知识发现系统的核心概念及应用 图1 知识发掘的新构想 KDD的核心概念是认知自主性，它规定了 参考文献 KDD的基本特征，据此，要求知识发现系统在没 有“教师”的引导下独立完成知识获取任务；而认 1 Chen W M.Data Mining:an Overview from An 知自主性的核心是系统在现实条件下的生成能 Database Perspective.IEEE Trans on Knowledge and 力、评价能力及两者之间的有机结合. Data Eng,1996(8):866 感兴趣度(Interestingness)是衡量发掘出来的 2 Fayyad U.Knowledge Discovery and Data Mining: 知识的质量指标，可分为主观度量与客观度 Towards a Unifying Framework.In:Proc of KDD-96. Menlo Park,CA:AAAI Press,1996.82北 京 科 技 大 学 学 报 年 第 期 用 户 感 兴趣 的 或 者 与先前 的知 识 有 矛 盾 与 咫 ‘ 针 对 这 个 问题 提 出 了一个数据 库 中知 识 发现 与进化 的概 念 提 出 了 利 用 数 据库 查 询 以 发 现新 知 识 ， 使用 正 反 两个 方 面 的 例 子 来 发 现 新 知 识 以 及 新 旧 知 识 的 协 调 一 致 ， 对数 据 库 中例外 的 特 征 化 以 及 随 着 知 识 与数 据库 的 同步进化 在 数 据 发 掘 中 ， 大 量 的工 作 是 关 于 关 联 规则 、 分 类 规则 、 簇 集 规 则 等 某 种 特 定 规则 的 发 掘 研 究 由于 数 据 库 的 规模 巨 大 ， 数 据 的 广 泛 分 布 ， 一 些 数 据 发 掘 算 法 的 计 算 复 杂 性 ， 等 等 都 呼 唤高效 发掘 算 法 的研究 等人 对 分 布 式 数 据 库 的 关 联 规则 的 发 掘 提 出 了 一 种 有 效 算 法 因 为 需 要 大 量 的额 外 通 讯 开 销 ， 将 串行算 法 直 接 用 于 分 布 式 数 据 库 的 效 率 不 高 生 成 一 个小 的候 选集 ， 且 对每个 候 选集 为支 持数 目 交换仅需 要 。 个 信息 ， 这 里 月 是 分 布 式 数据库 的分布 点数 因此 ， 具 有 很 高 的性 能 数 据 发 掘 除 了 集 成 方 法 或 一 般 框 架上 的 研 究 和 对 某 种 特 定 规则 的研 究 外 ， 对特 定 数 据库 的数 据 发 掘 也 进 行 了 大 量 的工 作 ， 如 交 易 数 据 库 梦 ，， 、 空 间 数 据 库 ， 、 时态数 据库 “ 以及 面 向对象数据库 ” 、 演 绎数据库 ， 等等 自 等 ‘， 提 出 了利 用神经 网络发 掘符 号 分 类规则 的方 法 ， 与基 于 决 策树 的方 法 相 比 ， 他 们 提 出 的 方 法 具 有 更 小 的 分 类 出 错 率 ， 抽 取 的规 则 也 更 简 洁 不 同 的是 ， 抽 出规则 的 时 间 消耗 比基 于决策树 的方 法 如 来得 长 结果评价 评 价 的 依 据 主 要 有 统 计 原理 、 认 知 特 性 、 数 据 空 间 抽 象 、 附 加 证 据 领 域 知 识 及 内部 反 馈 一 般在 进 行 综合评价 时 ， 是 若 干 个依据并 行 使用 以 使评价保持客观性 量 针 对兴趣 度 的 主 观 度 量 ， 文 献 【 将其分 为 未 期 望 到 的 田 以 及 可 操 作 的 一 等 对数 据库发掘 的应 用 状 况 给 出 了全 面 的 介 绍 ， 概 括 起 来 ， 这 些 应 用 主 要 包 括 市 场 分 析 与 预 测 ， 瑕 疵 检 测 、 制 造 业 、 通 讯 、 天 文 学 、 保 险 业 、 市 场 经 营 、 医 学 、 金 融 业 、 在 线服 务 、 商场顾 客 交 易 、 证券 市 场 与 期 货 市 场 的 客户交易 、 上 的 巨量 数据处理等 急待研究的部分专题与新构想 急待研究 的部分专题 并行或分布 的发掘算法 的开发研究 在 多个抽 象级 上 ， 在 不 同知 识 层 面上 发 掘多种知识 的有效方法 灵活方便的数据发掘语言与接 口 在 高级 数据发掘 系 统 中的知 识发现技术 及 其应用系统的开发 发 现 到 的 知 识 与 专家 定 义 的 知 识 的集 成 数据安全 与数据保密 一个新构想 突破 原 有 的仅 以 数据库 为基 础 的 知 识 发 现 系 统及 其核 心概 念 一 认 知 自主 性 ， 形 成 基 于 数 据 库 与 知识 库 的具 有 扩展 性 核 心 概 念 的 知 识 发 现 系 统 其基 本结构 多 层 递 阶 ， 综 合集 成 与运行机制的构想如 图 所示 用 户需求 真实数据 · 领域知识 专家知识 知识发现 系统的核心概念及应用 的 核 心 概 念 是 认 知 自主 性 ， 它 规 定 了 的基 本 特 征 据 此 ， 要 求 知 识 发 现 系 统 在 没 有 “ 教 师 ” 的 引 导下 独 立 完 成 知 识 获取 任务 而 认 知 自主 性 的 核 心 是 系 统 在 现 实 条 件 下 的 生 成 能 力 、 评价 能力及 两者之 间 的有机结合 感兴趣度 玩 是 衡量 发掘 出来 的 知 识 的 质 量 指 标 ， 可 分 为 主 观 度 量 与 客 观 度 图 知识发掘的新构想 参 考 文 献 · ， 」 一 肛 ，