领域知识驱动的演化行为模式挖掘研究

在现代社会中，针对某一应用领域，从普遍存在的海量数据中发现有价值的人类行为信息具有重要研究意义。行为信息形成的知识有助于了解领域问题并从行为角度进行问题求解。在金融工程领域，获取用户交易模式，有利于提高市场效率，降低风险；在智能交通领域，分析交通数据获取出行规律，可以为城市交通规划提供有力的决策支持。鉴于行为信息的应用价值，行为模式挖掘也得到了更多关注。区别于传统数据驱动的挖掘目标，从领域数据中挖掘行为模式，是综合了数据、行为主体、行为对象、行为环境和领域因素的挖掘任务，其中领域智能具有关键作用。因此需要研究新的方法面向领域获取行为模式，形成契合领域需求的行为知识。项目拟定面向商业信息，立足领域智能，关注行为模式的动态性质，研究领域知识驱动的演化行为模式挖掘。研究内容涵盖了挖掘流程中的多个关键议题，包括领域知识表示、行为动态性建模、行为模式挖掘算法、模式后处理、挖掘方法的系统实验分析。

项目拟定研究基于领域知识的行为模式挖掘方法。不同于传统的数据挖掘方法，行为模式挖掘要求在数据分析过程中更多结合领域知识与用户需求。项目研究工作主要基于软计算理论研究领域知识和需求的表示方法，并且将形式化的先验信息融入传统模式挖掘流程，设计面向领域的数据模式挖掘算法，形成真正契合领域需求的知识。研究内容具体包括：针对在数据挖掘任务中普遍存在的主观属性偏好和多粒度表示进行建模，形成领域知识表示；将领域先验与知识约简等数据分析方法相结合，设计基于用户偏好的模式挖掘算法并应用于Web数据分析与交通数据分析；针对数据应用问题，研究大规模挖掘算法的实现、优化策略。