基于貝葉斯網絡的分布式商務數據挖掘模型研究.pdf

1、面對日趨激烈的商業(yè)競爭，各企業(yè)紛紛走上信息化道路，通過ERP提高企業(yè)的商業(yè)競爭力。進而，對這些海量的ERP數據進行數據挖掘，從中得到潛在的、有用的知識，以輔助商業(yè)決策。但是隨著企業(yè)的不斷發(fā)展壯大，原來在企業(yè)中起過很大作用的數據庫管理系統(tǒng)的數據量成倍增加，其管理逐步由集中式向分布式發(fā)展，如何有效地對這些分布的數據庫進行數據挖掘成為新的挑戰(zhàn)。 傳統(tǒng)的數據挖掘基本上是一個本地的數據分析工具，僅能對本地數據集產生一定的理解性或概括性的知

2、識，而在數據分布環(huán)境下，除了結點上是物理分布的，處理的是海量數據，同時還要兼顧數據的安全性以及非共享數據的隱私性。針對這些問題，以數據挖掘中的分類和預測為重點，本文提出了基于貝葉斯網絡的分布式商務數據挖掘模型(DDMMBN， Distributed Data Mining Model Based on BayesianNetwork)，該模型是以具有移動Agent功能的Bee-gent系統(tǒng)為框架，以貝葉斯網絡相關性學習理論為方法，以屬性

3、多叉樹為中間過程，從分布的商業(yè)數據庫中訓練得到綜合的貝葉斯網絡，利用綜合的貝葉斯網絡推理實現對客戶的分類和消費量的預測。 該模型(DDMMBN)中提出了屬性多叉樹這一數據結構，該屬性多叉樹能反應各分布的數據集的屬性特征值，它可以通過移動Agent訪問各分布的數據集，調用其屬性多叉樹構建算法而得到，然后利用屬性多叉樹得到貝葉斯網絡。該屬性多叉樹能很好地解決數據分布的問題，不需要將各分布的數據匯總，大大地減輕了網絡負擔，節(jié)省了本地存

4、儲空間。同時，由于該屬性多叉樹只是概括了分布數據集的特征值，而不需要涉及每條數據記錄的細節(jié)，故在一定程度上能很好地解決其分布數據的隱私性問題。本文在詳細闡述了貝葉斯網絡理論、分布式數據挖掘相關技術和移動Agent技術后，針對商業(yè)企業(yè)中客戶的分類和消費量的預測問題，提出了該基于貝葉斯網絡的分布式商務數據挖掘模型(DDMMBN)。以Bee-gent系統(tǒng)為基礎，建立了該模型的原型系統(tǒng)，利用已有的商業(yè)數據，與數據匯總法和加權表決法相比較，證明了