徐枫 陈辉

【摘 要】随着信息技术的发展以及数据库管理系统的广泛应用,作为系统数据支撑的数据库,其存储的数据量急剧增大。运用网络爬虫技术和BP神经网络技术,可以提取到这些海量的数据背后隐藏着的许多重要信息。本文阐述了一种网络爬虫技术和增加动量因子的BP神经网络算法在数据挖掘中的应用及实现方法。
【关键词】数据挖掘;网络爬虫;BP神经网络
中图分类号: TP399 文献标识码: A 文章编号: 2095-2457(2019)11-0240-002
DOI:10.19694/j.cnki.issn2095-2457.2019.11.115
【Abstract】With the development of information technology and the extensive application of database management system, the amount of data stored by database, which is the support of system data, increases dramatically. Using network reptile technology and BP neural network technology, we can extract many important information hidden behind these massive data. This paper describes the application and implementation of a network reptile technique and BP neural network algorithm to increase momentum factor in data mining.
【Key words】Data mining; Network Reptiles; BP neural network
1 数据挖掘技术
1.1 数据挖掘的概念
随着计算机技术的不断发展,数据库管理系统在各个行业得到广泛应用。随着数据库中存储的数据量的快速增长,从海量数据中挖掘提取可能有潜在价值信息的技术,称为数据挖掘。数据挖掘是一种新的商业信息处理技术,对商业数据库中的大量业务数据进行抽取、转换、分析处理,从中提取辅助商业决策的关键性数据。
1.2 商业数据挖掘的步骤
基于数据挖掘的商业问题的解决一般过程包括定义目标、选择数据、准备数据、选择及转换变量、处理模型、验证模型和实现模型这7个步骤。其中选择数据就是抽取商业信用业务历史数据样本,准备数据是对所选择的数据进行预处理,选择及转换变量就是选择初始变量进行模型的建立,处理模型、验证模型和实现模型就是通过建立数据挖掘模型,并根据处理后的结果改进模型方案,最后对实际应用中出现的新问题进行反馈的过程。当前数据挖掘过程中采用比较多的处理模型是人工神经网络技术,BP神经网络是人工神经网络技术中比较典型的一种网络结构,也是常用的数据挖掘技术之一。……