基于数据挖掘的数字图书馆个性化服务

核心提示： 2．1 数据挖掘（Data Mining）面向数值数据的数据挖掘，通常称数据挖掘，基于数据挖掘的数字图书馆个性化服务(2)，数据挖掘的任务主要是关联分析、聚类分析、分类、预测、时序模式和偏差分析等，（1）关联分析（association analysis）:两个或两个以上变量的取值之间存在

2．1 数据挖掘（Data Mining）

面向数值数据的数据挖掘，通常称数据挖掘。数据挖掘的任务主要是关联分析、聚类分析、分类、预测、时序模式和偏差分析等。

（1）关联分析（association analysis）:两个或两个以上变量的取值之间存在某种规律性就称为关联。数据关联是数据库中存在的一类重要的、可被发现的知识。关联分为简单关联、时序关联和因果关联，关联分析的目的是找出数据库中隐藏的关联网，一般用支持度和可信度两个阀值来度量关联规则的相关性，还不断引入兴趣度、相关性等参数，使得所挖掘的规则更符合需求。

（2）聚类分析（clustering）:聚类是把数据按照相似性归纳成若干类别，同一类中的数据彼此相似，不同类中的数据相异。聚类分析可以建立宏观的概念，发现数据的分布模式以及可能的数据属性之间的相互关系。

（3）分类（classification）:分类就是找出一个类别的概念描述，它代表了这类数据的整体信息，即该类的内涵描述，并用这种描述来构造模型，一般用规则或决策树模式表示。分类是利用训练数据集通过一定的算法而求得分类规则。分类可被用于规则描述和预测。　　

（4）预测（predication）:预测是利用历史数据找出变化规律，建立模型，并由此模型对未来数据的种类及特征进行预测。预测关心的是精度和不确定性，通常用预测方差来度量。

（5）时序模式（time-series pattern）：时序模式是指通过时间序列搜索出的重复发生概率较高的模式。与回归一样，它也是用已知的数据预测未来的值，但这些数据的区别是变量所处时间的不同。

（6）偏差分析（deviation）:在偏差中包括很多有用的知识，数据库中的数据存在很多异常情况，发现数据库中数据存在的异常情况是非常重要的。偏差检验的基本方法就是寻找观察结果与参照之间的差别。