The invention discloses an adaptive combination of data mining model system and method of the system, including the active choice of customized modules, can take the initiative to choose and customize a variety of data mining model to adapt to the demand analysis of various types and sizes of data; frame module, convenient setting and selection index for the selected data mining model ranking the demand of dynamic adaptive data mining scenarios; support customization module, provides a method for supporting customized combination of multiple data mining models, used to provide channels for the operation and maintenance personnel play experience, and improve the accuracy of analysis results; mechanism module, provide the basis for mining output feedback dynamic adjustment mechanism of the combination of data mining model, to ensure data mining model the combination of scalability. The invention makes the model have the characteristics of foundation preserving, preemptive and subjective response, and can be applied directly to the auxiliary analysis and optimization of various business systems.
【技术实现步骤摘要】
一种自适应的组合数据挖掘模型系统及方法
本专利技术涉及数据挖掘
,具体是一种自适应的组合数据挖掘模型系统及方法。
技术介绍
互联网技术和互联网应用的飞速发展极大地便利了人们的生产与生活,而伴随其发展、以爆炸级速率增长的数据则蕴含着用户的潜在需求和行为习惯,为挖掘其中有用知识、提升服务质量提供了必要基础。大数据技术旨在及时发现隐蔽在纷繁数据背后的有用信息,进而更智慧地满足应用发展需求,如建立用户行为预测模型、挖掘用户的消费习惯等,能够为制定精准营销方案提供技术支撑。基于用户数据,探讨一种能够广泛适应各种数据规模和质量的用户流失预测模型是本专利技术旨在解决的重点问题。以用户数据为例,生成、采集、存储和被利用往往需要相当长的一段时间,但是,为了对决策进行指导,适应各类型数据建立数据挖掘方法已成为辅助广大业务应用系统优化运营的关键。事实上,用户数据具有来源多样、规模差异普遍存在且随时间积累而剧烈变化等特点。以在线游戏为例,用户数据从注册开始逐步得到记录,而其使用频率决定了其个人数据规模,与第三方应用系统(如社交网络、统一用户认证等)的集成更是为获取更多维度数据提供了可能。设计开发可行的数据挖掘模型,探索智能化的用户服务策略已成为各应用提供商在市场竞争中获取有利地位的法宝。然而,上述用户数据特点决定了可行的挖掘模型应能够适应不同用户数据规模,且能够随着其数据量的增加不断优化调整。因此,如何处理历史数据与当前数据、用户个人数据与其他用户数据的关系成为设计挖掘模型的必须解决的问题。在本专利技术中,我们建立了一种通用的数据万挖掘架构,保障系统按照模块化实现,应用者可 ...
【技术保护点】
一种自适应的数据挖掘组合模型系统,其特征在于,包括:(1)主动选择定制模块,能够主动选择和定制多种数据挖掘模型,用于适应各种类型和规模数据的分析需求;(2)框架模块,方便设定和选择指标,用于所选择数据挖掘模型的排序,适应数据挖掘场景的动态性需求;(3)支撑定制模块,提供支撑定制化组合多种数据挖掘模型的方法,用于为发挥运维人员经验提供渠道,进而提高分析结果准确性;(4)机制模块,提供依据挖掘输出结果反馈动态调整数据挖掘模型组合方式的机制,用于保证数据挖掘模型组合的可扩展性。
【技术特征摘要】
1.一种自适应的数据挖掘组合模型系统,其特征在于,包括:(1)主动选择定制模块,能够主动选择和定制多种数据挖掘模型,用于适应各种类型和规模数据的分析需求;(2)框架模块,方便设定和选择指标,用于所选择数据挖掘模型的排序,适应数据挖掘场景的动态性需求;(3)支撑定制模块,提供支撑定制化组合多种数据挖掘模型的方法,用于为发挥运维人员经验提供渠道,进而提高分析结果准确性;(4)机制模块,提供依据挖掘输出结果反馈动态调整数据挖掘模型组合方式的机制,用于保证数据挖掘模型组合的可扩展性。2.根据权利要求1所述的自适应的数据挖掘组合模型系统,其特征在于,主动选择定制模块,对应的工程实现包括:提供提交数据挖掘模型的接口,并规范其所需要的各种数据接口和数据需求;对于添加完成的数据挖掘模型,建立对应的索引结构,建立基于类别的定制和选择操作方式;对各种数据挖掘模型的使用效果评价进行显示辅助用户针对性的选择;对于超过时效的数据挖掘模型,用户删除或存档。3.根据权利要求1所述的自适应的数据挖掘组合模型系统,其特征在于,框架模块,对应的工程实现包括:显示数据挖掘模型的各项可使用参数和已有指标的使用效果,提供定制的界面,用户自定义或选择已有的指标来适应特定的业务应用;针对给定的指标,开发实现引擎在判断的基础上自动化的调整数据挖掘模型的排序、数据挖掘模型的权重或提示选择新的数据挖掘模型。4.根据权利要求1所述的自适应的数据挖掘组合模型系统,其特征在于,指标包括客观指标与主观指标,客观指标包括准确率、错误率、及时指标、期望值、时间区间值;主观指标包括问卷调查。5.根据权利要求1所述的自适应的数据挖掘组合模型系统,其特征在于,支撑定制模块,对应的工程实现应包括:用户查询各种数据挖掘模型在本系统的使用情况,根据观察到的历史信息和及时输出,提供界面能够满足用户对数据挖掘模型依赖程度的输入;系统根...
【专利技术属性】
技术研发人员:孟坤,李淑琴,丁濛,郑自强,刘宇,任雪峰,
申请(专利权)人:北京信息科技大学,北京融通易达科技有限公司,山东管理学院,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。