项目名称: 可操作行为规则挖掘的建模与算法研究

项目编号: No.71462001

项目类型: 地区科学基金项目

立项/批准年度: 2015

项目学科: 管理科学

项目作者: 苏鹏

作者单位: 大理大学

项目金额: 34万元

中文摘要: 将数据挖掘技术应用于商务智能时,面临的关键挑战之一是使挖掘出的模式具有可操作性,使得用户可直接基于其采取行动以获益。在多种可操作知识中,我们提出的可操作行为规则因能直接明确地向用户建议行动以积极影响其关心实体的行为而占有重要而独特的地位。本项目将在我们前期工作的基础上,致力于解决可操作行为规则挖掘仍然面临的模型精确性、算法有效性等许多重要挑战。具体地,本项目将研究条件属性间的因果关系对规则期望效用的影响,建立精确的规则期望效用的非线性计算模型;研究行为样本对规则支持强度的非一致性,建立精确的规则支持度的数学模型;采用智能计算等方法,设计高效的候选规则搜索策略;研究规则冲突的产生机理,设计有效的规则冲突消解策略;拓展研究成果在商务智能领域的新应用并实验验证其有效性。本项目将显著提高可操作行为规则挖掘模型与算法的质量,促使其成为一种成熟的可操作知识发现新技术与数据驱动行为建模新技术。

中文关键词: 商务智能;数据挖掘;可操作知识发现;行为建模;可操作行为规则

英文摘要: In deploying data mining techniques into business intelligence, we have faced the crucial need to make the identified patterns actionable. Actionable knowledge is such knowledge based on which users can directly take actions for their interest. Among the most important and distinctive actionable knowledge is actionable behavioral rules that can directly and explicitly suggest specific actions to take to positively influence the behavior of the entities which concern users. Based on our previous work, this project will resolve many big challenges still in mining actionable behavioral rules, such as precise modeling and developing effective algorithms. Firstly, this project will study the impact of the causality between conditional attributes on expected utilities of rules and establish precise non-linear computing model for expected utility of rules. Secondly, this project will study different intensions of supports of behavior samples on rules and establish precise mathematical model for support of rules. Thirdly, this project will develop efficient search strategies for candidate rules using various methods, such as intelligent computing, distributed computing, etc. Fourthly, this project will study the generating mechanism of conflicting in rules and develop effective resolution strategies for conflicting rules. Finally, this project will create new applications and experimentally validate the proposed models and algorithms in business intelligence domain. In summary, this project will promote actionable behavioral rules mining as a mature new technique of actionable knowledge discovery and data-driven behavioral modeling by significantly improving the quality of its models and the performance of its algorithms.

英文关键词: business intelligence;data mining;actionable knowledge discovery;behavioral modeling;actionable behavioral rules

成为VIP会员查看完整内容
4

相关内容

数据挖掘(Data mining)一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息和知识的过程。
【NeurIPS 2021】基于次模优化的规则学习算法框架
专知会员服务
33+阅读 · 2021年11月30日
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
52+阅读 · 2021年11月27日
基于强化学习的推荐研究综述
专知会员服务
83+阅读 · 2021年10月21日
专知会员服务
34+阅读 · 2021年9月5日
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
23+阅读 · 2021年7月10日
专知会员服务
97+阅读 · 2021年6月23日
基于知识图谱的推荐系统研究综述
专知会员服务
328+阅读 · 2020年8月10日
深入理解强化学习,看这篇就够了
PaperWeekly
5+阅读 · 2021年11月28日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
推荐算法:Match与Rank模型的交织配合
从0到1
15+阅读 · 2017年12月18日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
国家自然科学基金
33+阅读 · 2014年12月31日
国家自然科学基金
21+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
小贴士
相关VIP内容
【NeurIPS 2021】基于次模优化的规则学习算法框架
专知会员服务
33+阅读 · 2021年11月30日
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
52+阅读 · 2021年11月27日
基于强化学习的推荐研究综述
专知会员服务
83+阅读 · 2021年10月21日
专知会员服务
34+阅读 · 2021年9月5日
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
23+阅读 · 2021年7月10日
专知会员服务
97+阅读 · 2021年6月23日
基于知识图谱的推荐系统研究综述
专知会员服务
328+阅读 · 2020年8月10日
相关资讯
深入理解强化学习,看这篇就够了
PaperWeekly
5+阅读 · 2021年11月28日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
推荐算法:Match与Rank模型的交织配合
从0到1
15+阅读 · 2017年12月18日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
相关基金
国家自然科学基金
33+阅读 · 2014年12月31日
国家自然科学基金
21+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员