2.4.2 基于信息挖掘的智能決策支持系統IDSSIM

該項內容已獲國家發明專利《一種基于信息挖掘的智能決策支持系統構造方法》（ZL 03105330.0）（見附件 ）。

1) 總體結構（如圖17所示）

2) 主要模塊與功能

粗略地講：IDSSIM = DM + WM + KAS + RM

上式中，DM：數據挖掘（Data Mining），在此我們主要指知識發現創新技術中的結構化數據的挖掘即KDD*系統；

WM：Web挖掘（Web Mining），主要包括基于Web的文本挖掘、用戶訪問日志挖掘及Web結構挖掘；

KAS：交互式知識獲取構件（Knowledge Acquirement System），主要用于領域專家知識的歸納獲取;

RM：推理機構件（Reasoning Machine），主要由智能決策支持系統進行推理時使用。

以上四部分通過綜合知識庫和Web知識庫貫穿在一起。

(1) 結構化數據挖掘模塊（KDD*系統）。主要實現對結構化數據進行的挖掘過程；我們分兩點進行說明：

a. 新的數據挖掘結構模型——KDD*。簡單的說，KDD*=KDD+雙庫協同機制，所

謂雙庫協同機制，即構建數據庫與基礎知識庫的內在聯系“通道”，從而用基礎知識庫去制約與驅動KDD的發掘過程，改變KDD固有的運行機制，在結構與功能上形成了相對于KDD而言的一個開放的、優化的擴體。具體實現是通過啟發式構件和中斷式構件完成的。

b. 數據挖掘過程中的集成算法庫：數據庫經預處理后形成挖掘數據庫，挖掘數據庫是本部分的挖掘基礎。在本部分中，我們設計了一個集成挖掘算法庫，此庫集成于決策支持系統的模型庫中，其中針對幾類主要的知識類型，對應的聚集一些有效的挖掘算法；同時該算法庫具有可擴展性特征。算法庫連接于一個接口引擎，接口引擎在系統控制器的作用下根據用戶需求選擇合適的發掘方法，進行相應的工作。挖掘出的知識放入衍生知識庫。

(2) Web挖掘模塊。主要實現對非結構化、復雜的信息（包括文本信息、用戶訪問日志信息）進行的發掘過程；

這里主要包括兩大部分，一是文本信息的挖掘，二是對用戶訪問日志信息的挖掘。對于文本信息的挖掘，我們主要利用小波分析、潛在語義索引、概念格等方法地集成和融合，對于用戶訪問日志信息的挖掘，我們將利用序貫模式進行挖掘處理。

另外考慮到Web信息的知識挖掘需要實時從Web網絡中獲取復雜類型信息，所以我們將結合智能搜索引擎技術從Internet上檢索得到初始數據集，經過預處理后形成挖掘數據集合以便進行后續挖掘處理。

(3) 交互式知識獲取模塊。它為用戶提供了友好的交互界面，使系統可以較方便的獲取專家知識。

(4) 推理機模塊。它將針對不同問題集形成相對應的決策樹，以便使用決策樹進行推理進程。在推理機實現過程中將集成各種有效的推理機制（例如案例推理等），為對決策問題進行問題求解，產生相應的解決方案。

3) 動態知識庫系統

在以上各模塊的基礎上，知識庫的提升和融合將貫穿整個過程。在此過程中，對于內部數據挖掘而言，知識庫經過了基礎知識庫、衍生知識庫、合成知識庫、擴展知識庫的不斷提升過程。基礎知識庫中存放的是初始知識和專家領域知識，該知識庫通過一個知識獲取構件連接在人機對話部件，專家可隨時加入新的領域知識，因此這個知識庫是一個動態的知識庫；衍生知識庫中存放的是KDD*發現的新知識，衍生知識庫和基礎知識庫通過冗容性等處理形成合成知識庫。

對于Web信息挖掘而言，將構造一個Web知識庫，并且最終在該智能決策系統中與內部知識發現過程形成的綜合知識庫進行融合,即把不同知識表示的、異構的、不同源的知識相融合，形成最終的知識發掘知識庫。

上一頁  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23]  下一頁