基于E-Learning的海量数据挖掘分析系统技术方案

本发明专利技术公开了一种基于E‑Learning的海量数据挖掘分析系统，该系统包括：E‑Learning编辑服务器层与数据处理层；其中，所述E‑Learning编辑服务器层负责定义用户浏览行为并从中分析得到用户与基于E‑Learning的海量数据挖掘分析系统间的关系，将符合用户行为个性的版面优先展示，并向所述数据处理层传输及接受数据，为用户提供更好的服务；所述数据处理层根据所述E‑Learning编辑服务器层传输来的满足用户数据分析需求的数据，利用软件编译中的数据挖掘查询语言进行数据查找与解析，并将解析后的数据传回所述E‑Learning编辑服务器层进行循环使用。

Massive Data Mining and Analysis System Based on E-Learning

【技术实现步骤摘要】
基于E-Learning的海量数据挖掘分析系统
本专利技术属于大数据挖掘
，涉及一种基于E-Learning的海量数据挖掘分析系统。
技术介绍
随着互联网、云计算、传感器网络和高速移动传输技术的发展，全世界数据环境呈现海量(Volume)、多类型(Variety)、快速(Velocity)、价值(Value)和真实(Veracity)的5“V”特性。据IDC监测显示，全球数据总量约每两年翻一番，预计到2020年，全球的数据总量将达到35ZB，预示着世界已进入大数据时代，在大数据时代，对数据进行有效挖掘就变得尤其重要。而近年来，数据挖掘作为一种能够挖掘出用户私人兴趣点的技术，在政府、金融、医疗、电子等领域有着重要的应用价值。传统数据挖掘系统由于受用户数据复杂性和多变性的影响，无法对用户数据进行合理化解析与分类，所以传统数据挖掘系统往往难以精确掌控用户数据走向，预测准确度较低，稳定性较差。因此，研究出一种能够随时掌控用户动态需求并进行准确预测的数据挖掘系统，已成为目前世界级最具前瞻性的科研项目之一。
技术实现思路
本专利技术目的在于提供一种基于E-Learning的海量数据挖掘分析系统，针对传统数据挖掘系统难以精确掌控用户数据走向，预测准确度较低，稳定性较差的问题，通过引入用户自定义规则的数据处理方式，以及利用结构化查询语言操作命令集对数据挖掘语言进行开源的方式，有效地提高了挖掘的准确度与稳定性，解决了传统数据挖掘系统的瓶颈问题，为用户提供了更具有个性化的服务，给用户带来了全新的体验。为解决上述技术问题，本专利技术采用如下的技术方案：一种基于E-Learning的海量数据挖掘分析系统，该系统包括：E-Learning编辑服务器层与数据处理层；其中，所述E-Learning编辑服务器层负责定义用户浏览行为并从中分析得到用户与基于E-Learning的海量数据挖掘分析系统间的关系，将符合用户行为个性的版面优先展示，并向所述数据处理层传输及接受数据，为用户提供更好的服务；所述数据处理层根据所述E-Learning编辑服务器层传输来的满足用户数据分析需求的数据，利用软件编译中的数据挖掘查询语言进行数据查找与解析，并将解析后的数据传回所述E-Learning编辑服务器层进行循环使用。进一步地，所述E-Learning编辑服务器层由准备模块、展示模块和生成模块组成。进一步地，所述准备模块使用空间向量模型和逻辑概率描述模型，拥有计算机的精准判定功能和快速运算功能，可直接将获取到的用户行为数据传递给所述展示模块和知识库。进一步地，所述展示模块由数据集合子模块、监管体系子模块及用户接点子模块组成。进一步地，所述生成模块主要负责为用户进行个性化定制，对所述展示模块传递来的用户数据进行分析，给出用户的需求范围并上传至知识库。进一步地，所述数据处理层利用数据挖掘查询语言进行数据查找与解析，将解析后的数据保存于知识库。本专利技术与现有技术相比具有以下的有益效果：本专利技术方案针对传统数据挖掘系统难以精确掌控用户数据走向，预测准确度较低，稳定性较差的问题，通过引入用户自定义规则的数据处理方式，以及利用结构化查询语言操作命令集对数据挖掘语言进行开源的方式，有效地提高了挖掘的准确度与稳定性，解决了传统数据挖掘系统的瓶颈问题，为用户提供了更具有个性化的服务，给用户带来了全新的体验。附图说明图1是基于E-Learning的海量数据挖掘分析系统的整体框架图。图2是基于E-Learning的海量数据挖掘分析系统中准备模块的结构图。图3是基于E-Learning的海量数据挖掘分析系统中展示模块的工作流程图。图4是基于E-Learning的海量数据挖掘分析系统中生成模块的基本架构图。图5是基于E-Learning的海量数据挖掘分析系统中生成模块的工作流程图。具体实施方式下面结合附图及具体实施例对本专利技术进行更加详细与完整的说明。可以理解的是，此处所描述的具体实施例仅用于解释本专利技术，而非对本专利技术的限定。参照图1，本专利技术一种基于E-Learning的海量数据挖掘分析系统中，该系统包括：E-Learning编辑服务器层与数据处理层；其中，所述E-Learning编辑服务器层负责定义用户浏览行为并从中分析得到用户与基于E-Learning的海量数据挖掘分析系统间的关系，将符合用户行为个性的版面优先展示，并向所述数据处理层传输及接受数据，为用户提供更好的服务；所述数据处理层根据所述E-Learning编辑服务器层传输来的满足用户数据分析需求的数据，利用软件编译中的数据挖掘查询语言进行数据查找与解析，并将解析后的数据传回所述E-Learning编辑服务器层进行循环使用。首先，所述E-Learning编辑服务器层能够定义用户浏览行为并从中分析得到用户与基于E-Learning的海量数据挖掘分析系统间的关系，将符合用户行为个性的版面优先展示，并将数据传输于数据处理层进行数据分类、控制与存储，同时也接收数据处理层中知识库的资源，为用户提供更好的服务。数据处理层由数据准备、数据查询与解析和知识库三个功能构成，该层根据所述E-Learning编辑服务器层传输来满足用户数据分析需求，并利用软件编译中的数据挖掘查询语言进行数据查找与解析，将解析后的数据保存于知识库并传回所述E-Learning编辑服务器层进行循环使用。E-Learning编辑服务器层由准备模块、展示模块和生成模块构成。参照图2，准备模块使用空间向量模型和逻辑概率描述模型，拥有计算机的精准判定功能和快速运算功能，可直接将获取到的用户行为数据传递给展示模块和知识库。用户需要用真实身份进行注册才可进入基于E-Learning的海量数据挖掘分析系统，并参与使用系统所提供的功能。用户注册后利用获取到的惟一凭证进行登录。准备模块的核心部分即为系统答疑，用户在不了解基于E-Learning的海量数据挖掘分析系统的情况下，可在系统答疑中进行学习。参照图3，展示模块由数据集合、监管体系、用户接点组成。经由展示模块处理过的所有用户数据都将传递到知识库，知识库中的资料也可以随时被展示模块调取。参照图3，该图为展示模块的工作流程图。图中的黑线为数据流，空心线为控制流。准备模块下方的转换器可以接受用户的特殊需求，并将该需求反馈至监管体系同其他数据一同进行监管。展示模块利用输出数据流与控制流将准备模块中输出数据传递到数据集合，数据集合中的数据可以是准备模块中输出的用户行为数据，也可以是知识库中的资源数据，数据的形态多种多样，如语言、图形、音频、视频等。数据集合中的数据在传输到监管体系和知识库前，应事先进行预处理。经预处理后的数据有着干净、准确、简单的特点，能够缩减监管体系中数据挖掘工作量，提高基于E-Learning的海量数据挖掘分析系统的整体效率，以保证知识库中数据的准确度，使得数据挖掘工作能够顺利进行下去。展示模块中的监管体系将从数据集合中获取到的用户数据进行判断、筛选、控制与解析，直至挖掘出稳定且便于用户使用的数据。数据集合中的数据预处理同监管体系的挖掘手段是互不干扰的，预处理侧重于筛选符合逻辑性的数据，而经由一系列挖掘手段处理后的数据则更具决策性，保证了用户数据拥有一定的分布规律，使得当用户需求多元化资料时，基于E-Learning本文档来自技高网...

【技术保护点】
1.基于E‑Learning的海量数据挖掘分析系统，其特征在于，所述系统包括：E‑Learning编辑服务器层与数据处理层；其中，所述E‑Learning编辑服务器层负责定义用户浏览行为并从中分析得到用户与基于E‑Learning的海量数据挖掘分析系统间的关系，将符合用户行为个性的版面优先展示，并向所述数据处理层传输及接受数据，为用户提供更好的服务；所述数据处理层根据所述E‑Learning编辑服务器层层传输来的满足用户数据分析需求的数据，利用软件编译中的数据挖掘查询语言进行数据查找与解析，并将解析后的数据传回所述E‑Learning编辑服务器层层进行循环使用。

【技术特征摘要】
1.基于E-Learning的海量数据挖掘分析系统，其特征在于，所述系统包括：E-Learning编辑服务器层与数据处理层；其中，所述E-Learning编辑服务器层负责定义用户浏览行为并从中分析得到用户与基于E-Learning的海量数据挖掘分析系统间的关系，将符合用户行为个性的版面优先展示，并向所述数据处理层传输及接受数据，为用户提供更好的服务；所述数据处理层根据所述E-Learning编辑服务器层层传输来的满足用户数据分析需求的数据，利用软件编译中的数据挖掘查询语言进行数据查找与解析，并将解析后的数据传回所述E-Learning编辑服务器层层进行循环使用。2.根据权利要求1所述的基于E-Learning的海量数据挖掘分析系统，其特征在于，所述E-Learning编辑服务器层由准备模块、展示模块和生成模块组成。3.根据权...

【专利技术属性】
技术研发人员：徐继峰，周峻松，祁建明，陈墩金，
申请(专利权)人：广州明领基因科技有限公司，
类型：发明
国别省市：广东,44