大数据挖掘面临的挑战及思考
作者：赵青
来源：《现代经济信息》2017年第13期

        摘要：现阶段我国的科学技术得到了迅速发展，一些新技术在生产工作当中也得到了广泛应用，其中的大数据挖掘技术就是重要应用技术。通信企业的发展中，对大数据挖掘技术的应用需求也有着加强，但是大数据挖掘技术也面临着一些挑战。本文主要就大数据挖掘的功能和主要技术加以阐述，然后对大数据挖掘面临的挑战和发展趋势详细探究。

        关键词：大数据；挑战；发展趋势

        中图分类号：TP311.13 文献识别码：A 文章编号：1001-828X（2017）013-0-01

        引言

        大数据能够分成科学大数据以及决策大数据等，大数据挖掘技术的应用，呈现的是倒金字塔型，底部是通过IT计算系统以及平台层，中间算法以及模型层，顶层应用层所构成的完善系统。当前的大数据挖掘技术在通信企业当中的应用发挥着重要作用，注重对技术的理论深化研究对通信企业的良好发展就有着积极意义。

        一、大数据挖掘的功能和主要技术分析

        1.大数据挖掘的功能体现

        大数据挖掘的功能比较多，在自动预测趋势以及行为的功能上较为突出，数据挖掘自动在大型的数据库当中寻找预测性信息的作用比较突出，这样就大大提高了查询数据的效率。而在大数据挖掘功能中的关联分析的功能上也比较突出，关联分析的主要功能就是找到数据库当中隐藏的关联网，在关联分析生成的规则的可信度就比较突出[1]。大数据挖掘功能当中的聚类功能也比较突出，其中就有着传统模式识别法以及数学分类学。功能中的偏差检测功能比较突出，在数据库当中数据常有的异常记录当中，偏差所包含的潜在知识比较多，有不满足规则的特例以及观测结果等偏差。

        2.大数据挖掘主要技术

        其一，神经元网络技术。大数据挖掘技术当中的神经元网络技术是比较重要的应用技术，其中用于分类以及聚类和特征采掘的作用发挥比较突出。神经网络模仿生物神经网络，就是分布矩阵结构。神经元网络技术当中前馈式网络以及反馈式网络和自组织网络是比较重要类型[2]。其中前馈式网络是以感知机以及反向传播模型等作为代表的，能用在预测以及模式识别上。在自组织网络类型方面，主要是以ARI模型等为代表的，在聚类的应用上比较突出，在神经元网络的技术应用下，就能大大提高实际问题的解决效率。