本站小編為你精心準備了領域知識數據挖掘論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1顧客價值需求域本體

在當前的發展過程中，所謂的本體，即通過對概念對象及相互間的關聯形成的表達方式，并借此對某領域知識模型或語義信息的描述，基于其本體具有較強的形式化能力，除此之外，亦有利用邏輯推理獲取概念間邏輯關系的能力，使其得到的各個領域的廣泛應用，諸如信息檢索、知識工程、Web上異構信息的處理以及軟件復用等等，采用本體建模技術，并以現實生活中顧客價值需求及行為理論為為基礎，進而完成了對領域本體和任務本體的建立。

1.1領域本體對特定專業領域中的概念及之間關系的描述，即為領域本體，它是對一個應用領域的描述，具體來說，分為本體知識庫和領域本體模式兩種成分，進而描述特定的領域知識和信息，即為領域本體模式，此外，模式描述了應用領域的知識構成或靜態信息。而所謂的顧客價值需求領域本體，描述的是邏輯關系、描述的對象是顧客價值需求目標概念機需求行為概念，明確則是指概念及約束是顯式的定義，基于其具有計算機刻度的特點，構成了形式化，研究目的將領域體原語定義的具體情況如下：定義一：顧客價值需求領域本體的概念構成，Concerpts={Concerpts1，Concerpts2，Concerpts3}，式中，顧客機制需求特性概念用Concerpts1表示，顧客的價值需求決策行為概念用Concerpts2表示，如環境約束分析、方略設計、實施等；顧客的基本特征概念則用Concerpts3表示。定義二：顧客價值需求領域本體形式化為三元組：ODomain={Concerpts，Relations，Instances}，式中，領域概念的集合用Concerpts表示，領域概念間的關系集合用Relations表示，而ODomain為領域本體，本體實例的集合則用Instances表示，形成三元組。定義三：顧客價值需求領域本體的關系集合表示的是概念集合中各個概念之間的關系，具體數來，表現為n維笛卡爾積的子集。關系集合中存在5種關系，有Part-of：某個概念是另一個概念的屬性。Means-end：不同需求概念之間因果解構關系。Subclass-of：概念之間的繼承關系。Drive-adjust：不同需求概念之間因果解構關系。Attibute-of：某個概念是另一一個概念屬性。也就是行為感知影響目標調整，且目標驅動行為，二者關系密切。定義四：領域模式在應用域的實例，即顧客價值需求領域本體的實例。如“大學生的移動產品需求”本體、“政府顧客的移動產品需求”本體等。

1.2任務本體對特定任務或行為求解方法的描述即為任務本體，對其的設計，應當以顧客需求管理領域決策信息及問題的需求為基礎，有文獻指出，顧客吸引、識別、保持及發展，為顧客生命周期管理涉及到的4個管理主題，如表1所示，也包括了上述主題的決策分析問題。綜合數據挖掘的任務來看，其囊括了一個或多個挖掘子任務、挖掘算法等，結合本次研究，實施了對該領域的任務本體原語定義的設計，如下：OTaske=（Taskea,Inputsa,Methodsa,Outputsa）上式中，挖掘任務本體用OTaske表示；α管理主題下Taskea挖掘任務的輸出變量用Inputsa表示，如興趣參量、聚類變量、規則前、后件變量；α管理主題下的挖掘任務用Taskea，如顧客細分以及需求特征描述等；挖掘結果輸出表達形式或格式用Outputsa表示，如聚類中心、“類”聚類變量均值、“類”樣本數等；挖掘方法用Methodsa表示，如K-means聚類。另外，α∈（識別顧客，吸引、保留和發展顧客）共同構成了任務本體。

2對本體下顧客需求數據挖掘過程的改進

結合現實發展中的相關問題，在本體的顧客需求數據挖掘過程的改進方面，主要體現了挖掘目和任務、方法的選擇及確定及數據源轉化、約束參數的選擇等。這種方式下，對目標的搜索范圍進行了有效的縮小，進而在此基礎上提高了挖掘質量和效率，如圖1所示。

2．1支持管理決策的挖掘任務首先要進行的是對數據挖掘任務和目標的確定，基于操作中驗證或探索可支持實際管理決策的信息結構，具有較大的價值，其知識內容包括了規則、規律、模式及關系等，結合文中研究主題，依據顧客需求相應決策問題來進行具體數據挖掘任務的設置，在對挖掘任務和目標的完善方面，有效地結合了領域知識的本體模型。在對應概念及關系語義匹配方面，根據該領域需求目標、行為信息的本體模型來進行，繼而確定本次數據挖掘任務。

2.2挖掘數據空間及預處理在具體的實施過程中，以數據挖掘任務和領域本體模型為基礎，指導完成數據集成、選擇以及預處理3個環節，這便是挖掘數據空間及預處理，細分有以下內容：（1）提取、歸并處理多數據庫運行環境中顧客數據，以及遺漏和洗清臟數據等；（2）基于數據來進行數據的選擇方面的需求，應依據數據挖掘任務需要分析的數據來實施，進而有效減少了不相關或冗余的屬性，也得到了符合約束的數據挖掘有限數據基，實現了數據挖掘搜索效率的有效提高，使得相關屬性或遺漏等現象得到了有效避免；（3）基于顧客“需求行為”領域本體的概念語義即為預處理，旨在檢查轉載的數據，確保其合法性，并及時修正其中的錯誤，預處理其中的異常數據。

2.3挖掘方法算法及執行流程依據本次研究的需要，在具體的執行過程中，設定先明確數據挖掘的任務和目的，詳細可分為驗證性、探索性挖兩種，前者由用戶事先給定假設，繼而在挖掘中發現蘊含的某些規則或規律，對所做的假設進行驗證；其次，對操作過程中的挖掘方法和算法進行確定，而挖掘方法和感興趣參數的設置則要根據挖掘任務來進行，如表1所示；最后，確定挖掘結果的表達方式，一般有神經網絡、樹結構以及規則（模板）等[6]。

2.4評價挖掘結果作為整個實施過程的最后一個環節，對于挖掘結果的評價和詮釋，對于整個操作過程具有十分重要的意義，在具體的評價過程中，不能有違背領域本體知識的行為，并要及時參與領域本體的概念關系，且還要采取相應的方法來提高綜合評價的有效性，如置信度、支持度以及興趣度等等，在必要的情況下，實施方應當反饋調整參數或約束等，繼而形成對用戶感興趣知識的重新挖掘，對其進行完善，基于本體用嚴格的邏輯語言表述過程中產生的新知識，需及時在實踐過程中的檢驗與完善，使得整個過程具有較高的可信度，收到良好的執行效益。

3結語

新時期社會發展的大背景下，作為顧客知識獲取研究的重要的內容之一，顧客需求數據挖掘有效性的改進有著十分重要的意義，因為當前發展中日趨突出的影響挖掘質量和效率的問題，運用顧客價值需求及行為理論，在廣泛研究取材的基礎上，提出了一種數據挖掘改進方法，其以先驗性知識本體為依據，進而完善了對全面辨識和揭示顧客需求的先驗知識框架的建立，以期能為企業有效獲取顧客需求輪廓知識等方面提供有益的參考，進而實現顧客需求知識共享。

作者：張軼輝單位：中南林業科技大學