第一章 数据挖掘与信息处理导论讲解
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
项目及横向课题多项，获省、部级科技进步三等奖共三项，省优秀教学成果 奖两项，作为主讲教师获得省精品课程一门，指导的研究生有1人获得省优秀 硕士论文，3人获得校优秀硕士论文。兼任黑龙江省煤炭学会常务理事、中国 计算机学会会员、黑龙江省计算机学会理事、黑龙江省高校职称评审专家、 哈尔滨市科技局项目评审专家等。曾获黑龙江省模范教育工作者，鸡西市十 大杰出青年，鸡西市专业技术拔尖人才，黑龙江科技学院教师特殊贡献一等 奖，优秀硕士导师等荣誉称号。
讲授 2
课后试验
合计
第二章 分类
2
第三章 聚类分析
2
第四章 关联分析
2
第五章 不确定性推理
2
第六章DS证据理论
2
1
第七章粗糙集理论
2
第八章云模型
2
1
第九章总结与报告
2
合计
18
18
4
研究与应用进展（煤矿安全评价）
5
6
7
1.1 背景
二十世纪末以来，全球信息量以惊人的速度急剧增长—据估计，每二十个 月将增加一倍。许多组织机构的IT系统中都收集了大量的数据（信息）。
苦恼: 淹没在数据中 ; 不能制定合适的决策!
数据
知识
决策
金融 经济 政府 人口统计 生命周期
模式 趋势 事实 关系 模型 关联规则 序列
目标市场 资金分配 贸易选择 在哪儿做广告 销售的地理位置
11
人们开始提出一个新的口号：“要学会抛弃信息”。 人们开始考虑：“如 何才能不被信息淹没，而是从中及时发现有用的知识、提高信息利用率？” 面对这 一挑战，数据挖掘和知识发现（Data Mining and Knowledge Discovery），技术应运而
从这个销售数据中可以得出什么结论？
黑龙江科技大学 研究生学院
董春游
14
简单分析发现，有6个顾客买了啤酒，而其中5个人买了尿布，或说，5个买了尿 布的顾客都买了啤酒。
从数据挖掘的角度就是得到了如下的很强的关联规则：
规则1：“买啤酒”
“买尿布”。
置信度为5/6
规则2：“买尿布”
“买啤酒”。
置信度为5/5
• 1.信息技术的下一个热点是什么？
•
我们已经生活在一个网络化的时代，通信、计算机和网络技术正改变
着整个人类和社会
• 如果用芯片集成度来衡量微电子技术，用CPU处理速度来衡量计算机技
术，用信道传输速率来衡量通信技术，那么摩尔定律告诉我们，它们都是 以每18个月翻一番的速度在增长，这一势头已经维持了十多年。在美国， 广播达到5000万户用了38年；电视用了13年；Internet拨号上网达到5000 万户仅用了4年。全球IP网发展速度达到每6个月翻一番，国内情况亦然。 网络的发展导致经济全球化。
9
现在的问题是：网络之后的下一个技术热点是什么？让我们来看一些身边 俯拾即是的现象： 《纽约时报》由60年代的10～20版扩张至现在的100～200版，最高曾达1572版； 《北京青年报》也已是16～40版； 市场营销报已达100版。
然而在现实社会中，人均日阅读时间通常为30～45分钟，只能浏览一份24 版的报纸。
15
1.3 知识发现过程和步骤
数据挖掘: 一个 KDD 过程
1.知识发现过程（数据挖掘是过程的核心）.
知识发现的主要过程：
模式评估Pattern Evaluation
A. 确定业务对象
B. 数据准备 C. 数据挖掘
采掘数据Data Mining
D. 结果分析
相关任务数据Task-relevant Data
分析和决策支持等。
这一定义包括好几层含义:数据源必须是真实的、海量的、含噪声的;发现 的是用户感兴趣的知识;发现的知识要可接受、可理解、可运用；并不要求发 现放之四海皆准的知识，仅支持特定的发现问题。
• 习惯的术语描述：
•
DM的广义定义 = KDD
•
DM的狭义定义 = KDD 的一个关键步骤
•
本课程采用DM的广义定义
• (2) 深入地掌握3-4热点的理论和技术；了解数据挖掘与信息处理的MATLAB软件并能解决实际煤矿 事故应急救援与影响控制的相关问题。
• 学习本课程的学生须：
• 1．完成指定参考文献的阅读。（查阅学校网，有关煤矿数据挖掘的有关博士论文）
• 2．选定一个题目作理论联系实际的研究，完成相关系统原型开发或试验设计，作完有关试验。
数据解释 可视化技术
采掘数据 信息发掘
数据勘查 OLAP, MDA 统计分析, 查询和报表
商业专家 Business Analyst
数据分析专家 Data Analyst
Data Warehouses / Data Marts
数据库管理员DBA
数据源 (Paper, Files, Information Providers, Database Systems, OLTP) 17 17
2
• 数据挖掘与信息处理 (Data Mining and Information Processing)
• 1.开课对象：煤矿事故应急救援与影响控制博士人才培养项目博士研究生
• 其它学校博士相似课程：辽工大，中国矿大
• 2.课程
• 3.主要内容及研究应用进展
•
讲述实现数据挖掘与信息处理的各主要功能、挖掘算法及信息处理过程中的数据融合算法、不
信息
处理
决策
• 2.商业角度的定义（引深到博士、硕士导师、研究生的评价，2015年全国研 究生工作会议，中国科学技术大学的实践）
数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的 大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业 决策的关键性信息。
简言之，数据挖掘其实是一类深层次的数据分析方法。因此，数据挖掘可 以描述为:按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐 藏的、未知的或验证己知的规律性，并进一步将其模型化的有效方法。 13
研究生学院
黑龙江科技大学
1
• 教师简介: • 董春游，教授，博士，硕士生导师,校教学名师。 • 1983年阜新矿业学院采矿工程系毕业 • 1.采煤教研室副主任；2.经济教研室主任； • 3.经贸系副主任；4.计算机与信息工程学院院长 • 5.研究生学院党委书记
• 学历教育 • 1.1992年考入中国矿业大学北京研究生部.优秀硕士论文 • 2.1998年入辽宁工程技术大学，2002年获得博士学位（校级优秀博士论文）；
• 3．就某一内容（相关章节加上相关文献）做一次30—60分钟的报告, 占总成绩的20%。
• 4．选定一个题目作理论联系实际的研究，完成相关算法，作完有关试验，撰写论文（建议投稿到 有关杂志），根据论文质量（如发表情况或专家评审结论）占总成绩的80%。
•
3
教学内容与学时分配：
教学内容 第一章 数据挖掘与信息处理导论
E. 知识同化
Data Warehouse 数据仓库
挑选
Data Cleaning 数据整理
Data Integration数据集成
数据库
16
数据挖掘和商业智能
提高潜能来支持 商业决策
Increasing potential to support business decisions
营销 决策
最终用户End User
主要问题：在海里数据库中发现规律。目前的数据库系统虽然可以高效地
实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则， 无法根据现有的数据预测未来的发展趋势。为了充分利用现有信息资源，从 海量数据中找出隐藏的知识，数据挖掘技术应运而生并显示出强大的生命力。
数据挖掘是八十年代投资AI研究项目失败后，AI转入实际应用时提出的。 它是一个新兴的，面向商业应用的AI研究。(AI(Artificial Intelligence，人工智 能) )
确定性推理、云模型、粗糙集等
•
应用于煤矿安全评价见下页
• 4.教学目的和要求
• 通过本课程学习，学生应该：
• (1) 深入了解数据库挖掘基础理论、基本技术及相关数学方法（如分类、聚类分析、关联分析、粗 糙集、云模型、DS数据融合算法等），了解数据挖掘与信息处理领域发展趋势，了解数据挖掘和 信息处理技术最新进展和前沿成果，并能作出评价。
8
现在，人们往往不加区别地使用两者。KDD常常被称为数据挖掘
（Data Mining），实际两者是有区别的。一般将KDD中进行知识学习的阶 段称为数据挖掘（Data Mining），数据挖掘是KDD中一个非常重要的处理 步骤。
数据挖掘是近年来出现的客户关系管理（Customer Relationship Management， CRM）、商业智能（Business Intelligence， BI）等热点领域 的核心技术之一。
结论：“买尿布的顾客很可能会买啤酒”。 原因？ 对决策者的启示:商品的摆放设计和销售策略。
数据挖掘的定义：数据挖掘的定义有多种不同的定义方式，现在为大家广泛 采用的是如下定义：数据挖掘是从大量的数据中挖掘出隐含的、未知的、 用户可能感兴趣的和对决策有潜在价值的知识和规则。简单的说，数 据挖掘就是从大量的数据中发现有用的信息。
生， 我们是数据的富翁，知识的乞丐
数据库越来越大 恐怖的数据量
数据挖掘
有价值的知识
12
1.2 数据挖掘定义
• 1.技术角度的定义
数据挖掘（Data Mining)是从大量的、不完全的、有噪声的、模糊的、随 机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在 有用的信息和知识的过程。与数据挖掘相近的同义词包括：数据融合、数据
介绍1998年神华集团经历煤矿建设项目谈判 可持续发展进程：1989年8月，在美国底特律召开的第11届国际人工智能 联合会议的专题讨论会上首次出现数据库中的知识发现（Knowledge Discovery in Database，KDD）这一术语。 随后，在1991年、1993年和1994年都举行KDD专题讨论会，汇集来自各个 领域的研究人员和应用开发者，集中讨论数据统计、海量数据分析算法、知 识表示、知识运用等问题。最初，数据挖掘是作为KDD中利用算法处理数据的 一个步骤，其后逐渐演变成KDD的同义词。 DM=KDD
10
• 数据爆炸Data explosion problem: – 自动数据收集工具和成熟的数据库技术导致数据库、数据仓库和其他信 息存储库中的数据量急剧增加。
• 我们淹没在数据中，却缺乏知识 We are drowning in data, but starving for KNOWLEDGE!
2、 知识发现步骤
A. 确定业务对象
清晰地定义出业务问题,认清数据挖掘的目的是数据挖掘的重要一步。
挖掘的最后结构是不可预测的,但要探索的问题应是有预见的。 为了数据挖掘而数据挖掘则带有盲目性,是不会成功的. B. 数据准备 数据的选择：搜索所有与业务对象有关的内部和外部数据信息,并从中选择出适用于数据挖掘应用的数据. 2) 数据的预处理（包括数据清理和数据集成）：研究数据的质量,为进一步的分析作准备.并确定将要进行 的挖掘操作的类型. 3) 数据的转换：将数据转换成一个分析模型.这个分析模型是针对挖掘算法建立的.建立一个真正适合挖掘 算法的分析模型是数据挖掘成功的关键. C. 数据挖掘：对所得到的经过转换的数据进行挖掘.除了完善从选择合适的挖掘算法外,其余一切工作都能 自动地完成. D. 结果分析：解释并评估结果.其使用的分析方法一般应作数据挖掘操作而定,通常会用到可视化技术. E. 知识的同化：将分析所得到的知识集成到业务信息 系统的组织结构中去
数据挖掘的实例分析（联想煤矿事故）
啤酒与尿布的故事 某超市Post机上记录如下的销售数据：
Baidu Nhomakorabea
顾客 1 2 3 4 5 6 7 8 9 10
购买商品 面包，黄油，尿布，啤酒 咖啡，糖，小甜饼，鲑鱼，啤酒 面包，黄油，咖啡，尿布，啤酒，鸡蛋 面包，黄油，鲑鱼，鸡 鸡蛋，面包，黄油 鲑鱼，尿布，啤酒 面包，茶，糖鸡蛋 咖啡，糖，鸡，鸡蛋 面包，尿布，啤酒，盐 茶，鸡蛋，小甜饼，尿布，啤酒
博士研究生课程
数据挖掘与信息处理
(Data Mining and Information Processing)
董春游(Chunyou Dong) PhD,Professor Email:chunyoudong@126.com
Heilongjiang University of Science and Technology Harbin 150027，China)
3.2004年进入哈尔滨工程大学博士后流动站工作学习并于2007年出站。 • 研究领域 • 矿业系统工程、人工智能与专家系统、技术经济等教学与研究工作， • 成果 • 主编、主审高等学校规划教材6部，出版学术专著一部，发表论文40多篇 • 参加或主持国家自然基金项目、省重大攻关项目、省科技厅项目、省教育厅
计算技术和网络技术的发展把信息管理的迫切性提升到前所未有的高度。 当物理计算平台和网络平台发展到一定阶段时，内容的管理和应用必
然回归到它应有的重要地位上来。
2.大量信息带来的主要问题：
1）第一是信息过量，难以消化； 2）第二是信息真假难以辨识； 3）第三是信息安全难以保证； 4）第四是信息形式不一致，难以统一处理。
讲授 2
课后试验
合计
第二章 分类
2
第三章 聚类分析
2
第四章 关联分析
2
第五章 不确定性推理
2
第六章DS证据理论
2
1
第七章粗糙集理论
2
第八章云模型
2
1
第九章总结与报告
2
合计
18
18
4
研究与应用进展（煤矿安全评价）
5
6
7
1.1 背景
二十世纪末以来，全球信息量以惊人的速度急剧增长—据估计，每二十个 月将增加一倍。许多组织机构的IT系统中都收集了大量的数据（信息）。
苦恼: 淹没在数据中 ; 不能制定合适的决策!
数据
知识
决策
金融 经济 政府 人口统计 生命周期
模式 趋势 事实 关系 模型 关联规则 序列
目标市场 资金分配 贸易选择 在哪儿做广告 销售的地理位置
11
人们开始提出一个新的口号：“要学会抛弃信息”。 人们开始考虑：“如 何才能不被信息淹没，而是从中及时发现有用的知识、提高信息利用率？” 面对这 一挑战，数据挖掘和知识发现（Data Mining and Knowledge Discovery），技术应运而
从这个销售数据中可以得出什么结论？
黑龙江科技大学 研究生学院
董春游
14
简单分析发现，有6个顾客买了啤酒，而其中5个人买了尿布，或说，5个买了尿 布的顾客都买了啤酒。
从数据挖掘的角度就是得到了如下的很强的关联规则：
规则1：“买啤酒”
“买尿布”。
置信度为5/6
规则2：“买尿布”
“买啤酒”。
置信度为5/5
• 1.信息技术的下一个热点是什么？
•
我们已经生活在一个网络化的时代，通信、计算机和网络技术正改变
着整个人类和社会
• 如果用芯片集成度来衡量微电子技术，用CPU处理速度来衡量计算机技
术，用信道传输速率来衡量通信技术，那么摩尔定律告诉我们，它们都是 以每18个月翻一番的速度在增长，这一势头已经维持了十多年。在美国， 广播达到5000万户用了38年；电视用了13年；Internet拨号上网达到5000 万户仅用了4年。全球IP网发展速度达到每6个月翻一番，国内情况亦然。 网络的发展导致经济全球化。
9
现在的问题是：网络之后的下一个技术热点是什么？让我们来看一些身边 俯拾即是的现象： 《纽约时报》由60年代的10～20版扩张至现在的100～200版，最高曾达1572版； 《北京青年报》也已是16～40版； 市场营销报已达100版。
然而在现实社会中，人均日阅读时间通常为30～45分钟，只能浏览一份24 版的报纸。
15
1.3 知识发现过程和步骤
数据挖掘: 一个 KDD 过程
1.知识发现过程（数据挖掘是过程的核心）.
知识发现的主要过程：
模式评估Pattern Evaluation
A. 确定业务对象
B. 数据准备 C. 数据挖掘
采掘数据Data Mining
D. 结果分析
相关任务数据Task-relevant Data
分析和决策支持等。
这一定义包括好几层含义:数据源必须是真实的、海量的、含噪声的;发现 的是用户感兴趣的知识;发现的知识要可接受、可理解、可运用；并不要求发 现放之四海皆准的知识，仅支持特定的发现问题。
• 习惯的术语描述：
•
DM的广义定义 = KDD
•
DM的狭义定义 = KDD 的一个关键步骤
•
本课程采用DM的广义定义
• (2) 深入地掌握3-4热点的理论和技术；了解数据挖掘与信息处理的MATLAB软件并能解决实际煤矿 事故应急救援与影响控制的相关问题。
• 学习本课程的学生须：
• 1．完成指定参考文献的阅读。（查阅学校网，有关煤矿数据挖掘的有关博士论文）
• 2．选定一个题目作理论联系实际的研究，完成相关系统原型开发或试验设计，作完有关试验。
数据解释 可视化技术
采掘数据 信息发掘
数据勘查 OLAP, MDA 统计分析, 查询和报表
商业专家 Business Analyst
数据分析专家 Data Analyst
Data Warehouses / Data Marts
数据库管理员DBA
数据源 (Paper, Files, Information Providers, Database Systems, OLTP) 17 17
2
• 数据挖掘与信息处理 (Data Mining and Information Processing)
• 1.开课对象：煤矿事故应急救援与影响控制博士人才培养项目博士研究生
• 其它学校博士相似课程：辽工大，中国矿大
• 2.课程
• 3.主要内容及研究应用进展
•
讲述实现数据挖掘与信息处理的各主要功能、挖掘算法及信息处理过程中的数据融合算法、不
信息
处理
决策
• 2.商业角度的定义（引深到博士、硕士导师、研究生的评价，2015年全国研 究生工作会议，中国科学技术大学的实践）
数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的 大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业 决策的关键性信息。
简言之，数据挖掘其实是一类深层次的数据分析方法。因此，数据挖掘可 以描述为:按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐 藏的、未知的或验证己知的规律性，并进一步将其模型化的有效方法。 13
研究生学院
黑龙江科技大学
1
• 教师简介: • 董春游，教授，博士，硕士生导师,校教学名师。 • 1983年阜新矿业学院采矿工程系毕业 • 1.采煤教研室副主任；2.经济教研室主任； • 3.经贸系副主任；4.计算机与信息工程学院院长 • 5.研究生学院党委书记
• 学历教育 • 1.1992年考入中国矿业大学北京研究生部.优秀硕士论文 • 2.1998年入辽宁工程技术大学，2002年获得博士学位（校级优秀博士论文）；
• 3．就某一内容（相关章节加上相关文献）做一次30—60分钟的报告, 占总成绩的20%。
• 4．选定一个题目作理论联系实际的研究，完成相关算法，作完有关试验，撰写论文（建议投稿到 有关杂志），根据论文质量（如发表情况或专家评审结论）占总成绩的80%。
•
3
教学内容与学时分配：
教学内容 第一章 数据挖掘与信息处理导论
E. 知识同化
Data Warehouse 数据仓库
挑选
Data Cleaning 数据整理
Data Integration数据集成
数据库
16
数据挖掘和商业智能
提高潜能来支持 商业决策
Increasing potential to support business decisions
营销 决策
最终用户End User
主要问题：在海里数据库中发现规律。目前的数据库系统虽然可以高效地
实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则， 无法根据现有的数据预测未来的发展趋势。为了充分利用现有信息资源，从 海量数据中找出隐藏的知识，数据挖掘技术应运而生并显示出强大的生命力。
数据挖掘是八十年代投资AI研究项目失败后，AI转入实际应用时提出的。 它是一个新兴的，面向商业应用的AI研究。(AI(Artificial Intelligence，人工智 能) )
确定性推理、云模型、粗糙集等
•
应用于煤矿安全评价见下页
• 4.教学目的和要求
• 通过本课程学习，学生应该：
• (1) 深入了解数据库挖掘基础理论、基本技术及相关数学方法（如分类、聚类分析、关联分析、粗 糙集、云模型、DS数据融合算法等），了解数据挖掘与信息处理领域发展趋势，了解数据挖掘和 信息处理技术最新进展和前沿成果，并能作出评价。
8
现在，人们往往不加区别地使用两者。KDD常常被称为数据挖掘
（Data Mining），实际两者是有区别的。一般将KDD中进行知识学习的阶 段称为数据挖掘（Data Mining），数据挖掘是KDD中一个非常重要的处理 步骤。
数据挖掘是近年来出现的客户关系管理（Customer Relationship Management， CRM）、商业智能（Business Intelligence， BI）等热点领域 的核心技术之一。
结论：“买尿布的顾客很可能会买啤酒”。 原因？ 对决策者的启示:商品的摆放设计和销售策略。
数据挖掘的定义：数据挖掘的定义有多种不同的定义方式，现在为大家广泛 采用的是如下定义：数据挖掘是从大量的数据中挖掘出隐含的、未知的、 用户可能感兴趣的和对决策有潜在价值的知识和规则。简单的说，数 据挖掘就是从大量的数据中发现有用的信息。
生， 我们是数据的富翁，知识的乞丐
数据库越来越大 恐怖的数据量
数据挖掘
有价值的知识
12
1.2 数据挖掘定义
• 1.技术角度的定义
数据挖掘（Data Mining)是从大量的、不完全的、有噪声的、模糊的、随 机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在 有用的信息和知识的过程。与数据挖掘相近的同义词包括：数据融合、数据
介绍1998年神华集团经历煤矿建设项目谈判 可持续发展进程：1989年8月，在美国底特律召开的第11届国际人工智能 联合会议的专题讨论会上首次出现数据库中的知识发现（Knowledge Discovery in Database，KDD）这一术语。 随后，在1991年、1993年和1994年都举行KDD专题讨论会，汇集来自各个 领域的研究人员和应用开发者，集中讨论数据统计、海量数据分析算法、知 识表示、知识运用等问题。最初，数据挖掘是作为KDD中利用算法处理数据的 一个步骤，其后逐渐演变成KDD的同义词。 DM=KDD
10
• 数据爆炸Data explosion problem: – 自动数据收集工具和成熟的数据库技术导致数据库、数据仓库和其他信 息存储库中的数据量急剧增加。
• 我们淹没在数据中，却缺乏知识 We are drowning in data, but starving for KNOWLEDGE!
2、 知识发现步骤
A. 确定业务对象
清晰地定义出业务问题,认清数据挖掘的目的是数据挖掘的重要一步。
挖掘的最后结构是不可预测的,但要探索的问题应是有预见的。 为了数据挖掘而数据挖掘则带有盲目性,是不会成功的. B. 数据准备 数据的选择：搜索所有与业务对象有关的内部和外部数据信息,并从中选择出适用于数据挖掘应用的数据. 2) 数据的预处理（包括数据清理和数据集成）：研究数据的质量,为进一步的分析作准备.并确定将要进行 的挖掘操作的类型. 3) 数据的转换：将数据转换成一个分析模型.这个分析模型是针对挖掘算法建立的.建立一个真正适合挖掘 算法的分析模型是数据挖掘成功的关键. C. 数据挖掘：对所得到的经过转换的数据进行挖掘.除了完善从选择合适的挖掘算法外,其余一切工作都能 自动地完成. D. 结果分析：解释并评估结果.其使用的分析方法一般应作数据挖掘操作而定,通常会用到可视化技术. E. 知识的同化：将分析所得到的知识集成到业务信息 系统的组织结构中去
数据挖掘的实例分析（联想煤矿事故）
啤酒与尿布的故事 某超市Post机上记录如下的销售数据：
Baidu Nhomakorabea
顾客 1 2 3 4 5 6 7 8 9 10
购买商品 面包，黄油，尿布，啤酒 咖啡，糖，小甜饼，鲑鱼，啤酒 面包，黄油，咖啡，尿布，啤酒，鸡蛋 面包，黄油，鲑鱼，鸡 鸡蛋，面包，黄油 鲑鱼，尿布，啤酒 面包，茶，糖鸡蛋 咖啡，糖，鸡，鸡蛋 面包，尿布，啤酒，盐 茶，鸡蛋，小甜饼，尿布，啤酒
博士研究生课程
数据挖掘与信息处理
(Data Mining and Information Processing)
董春游(Chunyou Dong) PhD,Professor Email:chunyoudong@126.com
Heilongjiang University of Science and Technology Harbin 150027，China)
3.2004年进入哈尔滨工程大学博士后流动站工作学习并于2007年出站。 • 研究领域 • 矿业系统工程、人工智能与专家系统、技术经济等教学与研究工作， • 成果 • 主编、主审高等学校规划教材6部，出版学术专著一部，发表论文40多篇 • 参加或主持国家自然基金项目、省重大攻关项目、省科技厅项目、省教育厅
计算技术和网络技术的发展把信息管理的迫切性提升到前所未有的高度。 当物理计算平台和网络平台发展到一定阶段时，内容的管理和应用必
然回归到它应有的重要地位上来。
2.大量信息带来的主要问题：
1）第一是信息过量，难以消化； 2）第二是信息真假难以辨识； 3）第三是信息安全难以保证； 4）第四是信息形式不一致，难以统一处理。