知识发现系统框架及其理论体系的构造方法论

杨炳儒

(北京科技大学计算机与通信工程学院,北京 100083)

1 前言

数据库中的知识发现(KDD,knowledge discovery in database)是一门新兴的交叉学科。通过对现今各种KDD系统十几年的跟踪可见:不同领域学者对其研究的视角不同,主要包括从数据库的角度进行研究,它强调知识发现的效率(efficiency)[1,2];从机器学习的角度进行研究,它强调知识发现的有效性(effectiveness)[3,4];从统计分析的角度进行研究,它强调知识发现的正确性(valid)[5,6];从微观经济学的角度进行研究[7],它强调的是知识发现的最大效用。2003年8月27日在华盛顿召开了第九届知识发现与数据挖掘国际会议,参与讨论的专家一致认为:“数据挖掘正面临着巨大的机遇和挑战”;“从科学发展的长远来看,最大的绊脚石是基础理论的缺乏以及所面临的问题和挑战的清晰明白的阐述”[8]。

目前,许多有关知识发现的研究或者没有深入探讨其理论基础,或者没有给出具体的实现方法。因此,无法从根本上明显提高现有知识发现过程的性能,也无法解决KDD发展过程中极富挑战性的一些问题。事实上,有关知识发现的研究成果只是提供了KDD的方法论基础,而要真正构建其理论体系,必须抓住KDD的本质,形成与其本质相适应的理论基础。KDD的本质何在?至少有两个可信的路径:一个是将KDD过程(系统)视为认知过程(系统),不是转化为认知系统中;另一个是将KDD过程(系统)视为非线性动力系统中非平衡态转化的过程(系统)。笔者从前者出发,经近十余年的研究得到如下结果。

2 基于认知沿机理—模型—算法线路构造的自主知识发现“系统框架”

现代研究表明:分层递阶结构是降低系统复杂度的最有效的处理手段,而有序的粒度空间理论是建立复杂系统的分层递阶结构最有效的手段之一。……