[发明专利]基于E-Learning的海量数据挖掘分析系统在审
申请号: | 201711491248.2 | 申请日: | 2017-12-30 |
公开(公告)号: | CN109992247A | 公开(公告)日: | 2019-07-09 |
发明(设计)人: | 徐继峰;周峻松;祁建明;陈墩金 | 申请(专利权)人: | 广州明领基因科技有限公司 |
主分类号: | G06F8/20 | 分类号: | G06F8/20 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 510610 广东省广州市天河区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 编辑服务器 海量数据挖掘 数据处理层 分析系统 解析 查询语言 定义用户 软件编译 数据查找 数据传回 数据挖掘 用户数据 用户提供 用户行为 浏览行为 传输 版面 分析 个性 展示 服务 | ||
本发明公开了一种基于E‑Learning的海量数据挖掘分析系统,该系统包括:E‑Learning编辑服务器层与数据处理层;其中,所述E‑Learning编辑服务器层负责定义用户浏览行为并从中分析得到用户与基于E‑Learning的海量数据挖掘分析系统间的关系,将符合用户行为个性的版面优先展示,并向所述数据处理层传输及接受数据,为用户提供更好的服务;所述数据处理层根据所述E‑Learning编辑服务器层传输来的满足用户数据分析需求的数据,利用软件编译中的数据挖掘查询语言进行数据查找与解析,并将解析后的数据传回所述E‑Learning编辑服务器层进行循环使用。
技术领域
本发明属于大数据挖掘技术领域,涉及一种基于E-Learning的海量数据挖掘分析系统。
背景技术
随着互联网、云计算、传感器网络和高速移动传输技术的发展,全世界数据环境呈现海量(Volume)、多类型(Variety)、快速(Velocity)、价值(Value)和真实(Veracity)的5“V”特性。据IDC监测显示,全球数据总量约每两年翻一番,预计到2020年,全球的数据总量将达到35ZB,预示着世界已进入大数据时代,在大数据时代,对数据进行有效挖掘就变得尤其重要。
而近年来,数据挖掘作为一种能够挖掘出用户私人兴趣点的技术,在政府、金融、医疗、电子等领域有着重要的应用价值。传统数据挖掘系统由于受用户数据复杂性和多变性的影响,无法对用户数据进行合理化解析与分类,所以传统数据挖掘系统往往难以精确掌控用户数据走向,预测准确度较低,稳定性较差。
因此,研究出一种能够随时掌控用户动态需求并进行准确预测的数据挖掘系统,已成为目前世界级最具前瞻性的科研项目之一。
发明内容
本发明目的在于提供一种基于E-Learning的海量数据挖掘分析系统,针对传统数据挖掘系统难以精确掌控用户数据走向,预测准确度较低,稳定性较差的问题,通过引入用户自定义规则的数据处理方式,以及利用结构化查询语言操作命令集对数据挖掘语言进行开源的方式,有效地提高了挖掘的准确度与稳定性,解决了传统数据挖掘系统的瓶颈问题,为用户提供了更具有个性化的服务,给用户带来了全新的体验。
为解决上述技术问题,本发明采用如下的技术方案:一种基于E-Learning的海量数据挖掘分析系统,该系统包括:E-Learning编辑服务器层与数据处理层;其中,所述E-Learning编辑服务器层负责定义用户浏览行为并从中分析得到用户与基于E-Learning的海量数据挖掘分析系统间的关系,将符合用户行为个性的版面优先展示,并向所述数据处理层传输及接受数据,为用户提供更好的服务;所述数据处理层根据所述E-Learning编辑服务器层传输来的满足用户数据分析需求的数据,利用软件编译中的数据挖掘查询语言进行数据查找与解析,并将解析后的数据传回所述E-Learning编辑服务器层进行循环使用。
进一步地,所述E-Learning编辑服务器层由准备模块、展示模块和生成模块组成。
进一步地,所述准备模块使用空间向量模型和逻辑概率描述模型,拥有计算机的精准判定功能和快速运算功能,可直接将获取到的用户行为数据传递给所述展示模块和知识库。
进一步地,所述展示模块由数据集合子模块、监管体系子模块及用户接点子模块组成。
进一步地,所述生成模块主要负责为用户进行个性化定制,对所述展示模块传递来的用户数据进行分析,给出用户的需求范围并上传至知识库。
进一步地,所述数据处理层利用数据挖掘查询语言进行数据查找与解析,将解析后的数据保存于知识库。
本发明与现有技术相比具有以下的有益效果:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州明领基因科技有限公司,未经广州明领基因科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711491248.2/2.html,转载请声明来源钻瓜专利网。