Erratum to: Big data management in the mining industry

The original version of this article unfortunately contained two mistakes due to the PDF file conversion through different softwares.The presentation of Figs.2 and 4 was incorrect.The correct versions are given below.     

数据挖掘在超市管理中的应用

针对当前在大型连锁超市中采购、存储、销售的庞大数据需要合理的存储、分析、查询的实际问题,采用了数据挖掘的方法,在理论上介绍了数据挖掘技术的相关知识及其在超市管理中的应用,以超市营销管理作为实例,详细描述了数据挖掘的整个分析、设计及应用过程,并对国内数据挖掘应用的现状进行了分析.结果对数据挖掘在实践应用上的一个理论指导,配合特定算法后将在实践中有着一定的应用前景.     

Big data resource service platform for the internet financial industry

It is now the era of big data. Massive volumes of complex and dynamic data exist in a variety of indus- tries, including internet finance. This paper briefly describes the current big data situation and its significance, discusses the big data resource service platform architec- ture that includes three levels： data resource identification and access, data resources storage and analysis, and net- work information service platform, and then introduces some work undertaken by our project team on big data analysis research and application of trusted transactions for internet finance.     

建设智能云数据服务平台让高校大数据“说话”:提升学校核心竞争力

高校信息化建设发展到以数据服务为核心的阶段,怎样挖掘出隐藏在大数据中的重要信息并利用这些信息更好地为师生提供服务是各个高校必须面对的问题,本文对此进行了分析并提出了一些思考.针对这些思考,提出了智能云数据服务平台的解决方案,阐述了平台的建设目标、建设原则与建设内容,探讨了平台使用的整体架构和安全体系,描述了建设过程中可能会遇到的问题并提出解决方案.最后对平台建设的预期效果进行了评估.     

数据流管理与挖掘研究

20世纪末,为适应网络监控、商业交易管理和分析等应用的要求,数据流技术应运而生;该文回顾了近年来国内外在该领域的研究进展,总结了数据流的特点、模型及其算法,对数据流管理和挖掘的关键技术进行了分析,并进一步提出了数据流技术研究的方向。     

客户关系管理中数据挖掘技术的应用研究

以客户为中心已经成为各个企业的共识,而其实现的前提是从海量的客户信息中发现客户新的需求,必须对信息进行分析,从中得到企业的决策支持信息.数据挖掘技术应用于这一领域可以帮助企业更好地分析和处理客户数据,挖掘客户对企业的最大价值,建立与客户之间的关系,提升企业竞争力.阐述客户关系管理的概念、数据挖掘含义及数据挖掘的一般流程.给出了数据挖掘在CRM中的实施模型,详细论述了数据挖掘在CRM中的应用.最后提出了在客户关系管理中实施数据挖掘应注意的问题.     

An ontology reasoning architecture for data mining knowledge management

In order to realize the intelligent management of data mining （DM） domain knowledge, this paper presents an architecture for DM knowledge management based on ontology. Using ontology database, this architecture can realize intelligent knowledge retrieval and automatic accomplishment of DM tasks by means of ontology services. Its key features include：①Describing DM ontology and meta-data using ontology based on Web ontology language （OWL）.② Ontology reasoning function. Based on the existing concepts and relations, the hidden knowledge in ontology can be obtained using the reasoning engine. This paper mainly focuses on the construction of DM ontology and the reasoning of DM ontology based on OWL DL（s）.     

数据挖掘商业应用平台的数据预处理管理

如何提高数据预处理的效率,提高数据挖掘过程的可管理性,是数据挖掘者必须考虑的问题之一。通过对一个电信增值行业客户行为的分析,介绍了如何应用数据挖掘商业应用平台所提供的可视化流程图进行数据预处理,以期提高数据预处理的效率和过程的可管理性。     

大数据产业及管理问题的一些初步思考

大数据时代的到来对已有的管理科学与工程方法提出了严峻的挑战,西安交通大学依托管理科学与工程学科优势,在国内较早开展了大数据相关研究。结合平台建设、国际交流、基金项目等经验,以＂顶天立地＂为目标,对大数据未来研究提出了三个主要方向：数据质量、首席数据官的兴起、以及大数据产业发展,并对三方面的研究重点和内容提出了建议。旨在促进我国学界对大数据的认识,激发更多学者投入大数据相关研究领域。     

基于数据挖掘技术的图书馆采购管理研究

随着电子信息技术的发展，图书馆作为知识信息传播和服务的机构，其信息化数据化的功能也在不断增强．为了能够高效地运用图书馆的信息和数据，为图书馆的采购工作提供有效信息，本文从数据挖掘技术着手，探讨其在图书馆采购管理中的应用．     

基于数据挖掘技术的图书馆采购管理研究

随着电子信息技术的发展,图书馆作为知识信息传播和服务的机构,其信息化数据化的功能也在不断增强．为了能够高效地运用图书馆的信息和数据,为图书馆的采购工作提供有效信息,本文从数据挖掘技术着手,探讨其在图书馆采购管理中的应用．     

Domain-oriented data driven data mining:a new understanding for data mining

Recent advances in computing, communications, digital storage technologies, and highthroughput dataacquisition technologies, make it possible to gather and store incredible volumes of data. It creates unprecedented opportunities for largescale knowledge discovery from database. Data mining is an emerging area of computational intelligence that offers new theories, techniques, and tools for processing large volumes of data, such as data analysis, decision making, etc. There are many researchers working on designing efficient data mining techniques, methods, and algorithms. Unfortunately, most data mining researchers pay much attention to technique problems for developing data mining models and methods, while little to basic issues of data mining. In this paper, we will propose a new understanding for data mining, that is, domainoriented datadriven data mining (3DM) model. Some datadriven data mining algorithms developed in our Lab are also presented to show its validity.     

数据挖掘技术在管理与决策中的应用

利用数据挖掘技术和模糊关系数据库能够分析和处理大量复杂数据关系进而发现有知识和模式的优点，将两者结合应用于企业战略管理与决策过程中，在分析企业的内外部运行环境时，通过建立模糊近似关系，对相关模糊区域进行最优划分，从而识别企业的运行模式，确定出所涉及的每一企业在竞争市场中的相对地位，为企业进一步制定和实施发展战略，最终实现科学的战略决策，提供了有力的依据。     

Web数据挖掘技术初探

Web数据挖掘是目前信息技术中的研究热点,它是现代科学技术相互渗透与融合的必然结果。讨论Web数据挖掘技术中各种类型的Web数据挖掘的基本过程以及它们所使用的一些相关技术,分析Web数据挖掘的特点及面临的挑战.     

网络数据的挖掘

对当前实用的搜索引擎技术作了较为全面的综述,主要介绍了搜索引擎中较为核心的两大技术:信息采集及数据搜索技术,对当前较为先进和常用的相关技术进行了列举,并对各类技术的优缺点作了简要的比较及说明。特别对信息采集中网络蜘蛛的工能及原理进行了介绍,详细介绍了著名的互联网搜索引擎Google在数据检索方面所使用的PageRank算法,最后较为全面的给出了几种主要的中文分词技术。利用个别现有的著名搜索引擎实例对相关技术的实现进行了举例和说明。     

一种基于ARMA模型的移动通信网管数据挖掘系统设计方法

本文以某省移动通信网管数据分析平台项目为背景,阐述了在移动通信网管中引入数据仓库技术,采用数据挖掘方法,解决目前网络分析中的数据瓶颈问题。     

数据挖掘流程中数据准备的探讨

数据挖掘是一个应用统计学和人工智能等算法进行知识发现的过程.数据挖掘需要从庞大的数据集或数据库中提炼有用的信息, 因而就产生了一个问题, 如何为数据挖掘准备一个有效的数据集合, 以提高效率, 这是本文讨论的关键.     

数据挖掘在医疗数据中的应用

决策树是医疗数据挖掘中一种重要分类方法,针对原始医疗数据存在大量重复样本和冗余属性,影响医疗诊断的精度和速度这一问题,提出了一种基于粗糙集和ID3算法相结合的决策树方法.将所提方法应用于冠心病诊断决策,并对属性约简前后的决策性能进行了比较分析.实验表明了该方法的有效性和实用性.