領域驅動的人機交互式決策樹模型及其算法研究.pdf

1、數(shù)據挖掘是數(shù)據庫中知識發(fā)現(xiàn)的一個重要步驟，傳統(tǒng)數(shù)據挖掘是以數(shù)據對象作為研究基礎的挖掘方法，注重算法的運行效率以及模型的準確率，是一種面向數(shù)據或者稱為數(shù)據驅動的數(shù)據挖掘，其挖掘結果包含大量的冗余規(guī)則、無需挖掘就可以得到的知識甚至是一些違反常識的錯誤結論，存在很大的弊端。
　　決策樹是數(shù)據挖掘分類技術中的主要模型。針對決策樹算法沒有考慮挖掘結果使用者的偏好、相對應領域的知識約束、挖掘結果的可操作性等問題，應用DDDM（Domain D

2、riven Data Mining）的思想，提出一種在構建決策樹過程和結果評價標準中，融入用戶興趣度以及領域知識的人機交互式決策樹模型，客觀地評價挖掘結果在實踐中的具體效益，交付可直接用于實際行動的決策支持。
　　領域驅動的人機交互式決策樹模型強調用戶在數(shù)據挖掘過程中的參與度與主動性，改變傳統(tǒng)決策樹僅僅利用預先設置的算法，由機器自動搜索訓練集中的隱含模式這種被動的挖掘策略，使以模式輸出為主的數(shù)據挖掘系統(tǒng)發(fā)展成為實際問題解決方案輸出

3、的決策系統(tǒng)。
　　本文的主要研究內容包括以下幾個方面：
　　1.根據傳統(tǒng)數(shù)據挖掘局限于以數(shù)據和算法為中心，忽略了真實環(huán)境下各種領域知識對于挖掘過程的約束，分析這種舊挖掘模式的不足之處與自身缺陷。從理論水平、方法框架、模式架構等幾個方面，綜述近十年來領域驅動數(shù)據挖掘的發(fā)展歷程和國內外專家學者的研究成果。
　　2.設計轉化屬性值的代價矩陣和類別的效益矩陣來體現(xiàn)數(shù)據挖掘用戶的興趣度和所挖掘領域的知識約束。定義決策分枝的概念及

4、其價值，并用該價值作為領域驅動決策樹算法的屬性選擇度量。
　　3.以經典決策樹算法為基本框架，提出一種領域驅動的人機交互式決策樹構造算法和評估有效分枝轉移的決策推薦算法，讓數(shù)據挖掘結果使用者可以直接得知最佳方案的實際效益，做出正確、合理、可操作的決策。
　　4.基于上述理論研究，用德國電信旗下的T-Systems寬帶客戶數(shù)據集進行實驗驗證。根據用戶的興趣度和具體的商業(yè)利潤，設置不同轉化屬性值的代價矩陣和類別的效益矩陣對同一測