[发明专利]一种数据挖掘方法及系统

说明书

技术领域

本发明涉及数据处理技术领域，具体涉及一种数据挖掘方法及系统。 

背景技术

随着信息技术的飞速发展，云计算成为了IT行业最时尚的话题，而云计算作为计算资源的底层，支撑着上层的大数据处理。而对于我们用户来说最关心的还是上层的数据，在日益激励的电子商务企业竞争中，根据用户喜好为用户提供个性化的服务就显得至关重要，此时，大数据就体现了它巨大的商业价值，通过收集顾客的购买行为和购买偏好等数据，因人而异地对顾客提供独特的产品和针对性服务。 

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据信息进行专业化信息处理，换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键是提高对数据的“加工”能力，通过“加工”实现对数据的增值。收集到的数据具有量大、类型繁多、价值密度低及速度快时效高等特点，如何从大量的数据中提取有用的信息，得出准确率高的用户偏好成为数据挖掘最亟待解决的问题。目前的算法都存在一定的缺陷，对大数据的处理不够精确且复杂度过高。 

发明内容

(一)解决的技术问题 

针对现有技术的不足，本发明提供一种数据挖掘方法，能够通过模糊逻辑处理方法及制定的推理规则，从而提取最有用的信息，来解决对大数据处理不够精确以及复杂度过高的问题。 

(二)技术方案 

为了达到以上目的，本发明通过以下技术方案予以实现： 

一种数据挖掘方法，该方法包括： 

根据模糊评价规则对用户数据信息进行模糊逻辑处理，得到模糊化的数据； 

根据制定的推理规则对模糊化的数据进行推理，得出对各种事物的偏好程度值； 

经过去模糊化的处理，得出对各种事物的具体偏好程度。 

优选地，所述用户数据信息包括用户年龄、性别、职业、购买行为、购买偏好以及购买能力。 

优选地，所述得到的模糊化的数据为0～1之间的数字。 

优选地，所述模糊评价规则是根据用户偏好的类型而制定的规则。 

优选地，所述模糊评定规则具体是由隶属度函数组成，不同的评定规则形成隶属度矩阵，收集得到的值乘以隶属度矩阵，从而得到模糊化数据。 

优选地，所述制定的推理规则包括根据事物的关联性而制定的规则。 

优选地，所述偏好程度值为0～1之间的数字。 

一种数据挖掘系统，该系统包括模糊化模块、推理模块以及去模糊化模块； 

模糊化模块，用于根据模糊评价规则对用户数据信息进行模糊逻辑处理，得到模糊化的数据； 

推理模块，根据制定的推理规则对模糊化的数据进行推理，得出对各种事物的偏好程度值； 

去模糊化模块，用于去模糊化的处理，得出对各种事物的具体偏好程度。 

(三)有益效果 

本发明至少有如下有益效果： 

本发明提供了一种数据挖掘方法，通过数据信息进行模糊逻辑处 理，从而根据制定的推理规则对用户的偏好进行推理，以此来提取最有用的信息，如此就能够解决现有方法对大数据处理不够精确以及复杂度过高的问题。 

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。 

图1是本发明实施例中的一种数据挖掘方法的流程图。 

图2是本发明另一实施例提供的一种数据挖掘系统的结构示意图。 

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。 

参见图1，本发明实施例提供了一种数据挖掘方法，其具体步骤如下： 

S1：根据模糊评价规则对用户数据信息进行模糊逻辑处理，得到模糊化的数据。 

其中，所述模糊评价规则是根据用户偏好的类型而制定的规则。所述用户数据信息包括用户年龄、性别、职业、购买行为、购买偏好以及购买能力等。