内容简介：我们目前已发布了5期分析内容，具体如下：数据挖掘（data mining）是数据库知识发现（Knowledge-Discovery in Databases，简称KDD）中的一个步骤，指的是从大量的模糊的数据集合中提取人们感兴趣的知识和信息。数据挖掘设计到机器学习、模式识别、归纳推理、统计学、数据库、高性能计算等多个领域。下面我们用Trend analysis分析数据挖掘领域内的研究热点。
AMiner全新功能技术趋势分析Trend analysis（http://trend.aminer.cn）基于AMiner 2亿篇论文数据进行深入挖掘，包括对技术来源、热度、发展趋势进行研究，进而预测未来的技术前景。技术趋势分析描述了技术的出现、变迁和消亡的全过程，可以帮助研究人员理解领域的研究历史和现状，快速识别研究的前沿热点问题。
我们目前已发布了5期分析内容，具体如下：
数据挖掘（data mining）是数据库知识发现（Knowledge-Discovery in Databases，简称KDD）中的一个步骤，指的是从大量的模糊的数据集合中提取人们感兴趣的知识和信息。数据挖掘设计到机器学习、模式识别、归纳推理、统计学、数据库、高性能计算等多个领域。
下面我们用Trend analysis分析数据挖掘领域内的研究热点。
上图是当前该领域的热点技术趋势分析，通过Trend analysis分析挖掘可以发现当前该领域TOP10的热点研究话题如下：
-
data mining
-
social network
-
applied science
-
social science
-
graph theory
-
heterogeneous information network
-
big data
-
feature extraction
-
feature selection
-
anomaly detection
根据Trend analysis我们可以发现，当前最热门的话题是data mining，该技术的话题热度稳定，发表论文数量相对其他技术而言也较多；heterogeneous informationnetwork和big data从2011年开始话题热度稳步增长；data stream的热度变化则是经历了一定的起伏，2001年后的十年期间话题热度曾经一度仅次于data mining，但在近几年话题热度明显下降。
美国伊利诺伊大学香槟分校的韩家炜教授是数据挖掘领域的代表学者之一，同时也是IEEE和ACM Fellow。他曾经担任美国ARL资助的信息网络联合研究中心主任，KDD、SDM和ICDM等国际知名会议的程序委员会主席，并创办了ACM TKDD学报并任主编。
他在数据挖掘、数据库和信息网络领域发表论文600余篇。出版了数据挖掘专著《Data Mining: Concepts and Techniques》，成为数据挖掘国内外经典教材。曾获ICDE 2002杰出贡献奖、SIGKDD 2004最佳创新奖、 2009年麦克道尔奖（the McDowell Award）。在谷歌学术的 H-index中，名列全球计算机科学领域高引作者前三。
ACM SIGKDD 创新奖是知识发现与数据挖掘领域（KDD）的最高荣誉，授予对这一领域做出重大技术贡献的研究人员。根据评审要求，其研究成果必须在数据挖掘理论或商业数据挖掘系统的开发上能够产生深远的影响。历届 SIGKDD 创新奖的获得者都是数据挖掘领域的杰出研究者，曾经获得这一奖项的华人包括：
（2004 年）韩家炜（Jiawei Han）博士
美国伊利诺伊大学香槟分校计算机系教授，ACM、IEEE Fellow。值得一提的是，韩家炜博士是裴健教授在加拿大西蒙弗雷泽大学的博士导师。
（2016 年）俞士纶 (Philip S. Yu) 博士
美国伊利诺伊大学芝加哥分校特聘主任教授、清华大学数据科学研究院院长。
（2017年） 裴健（Jian Pei）博士
加拿大西蒙弗雷泽大学计算机学院教授，ACM、IEEE Fellow，加拿大研究讲席教授（Canada Research Chair, Tier I）。
（2018年） 刘兵（Bing Liu）博士
美国伊利诺伊大学芝加哥分校杰出教授，ACM、AAAI、IEEE Fellow。
作为一门新兴的信息处理技术，数据挖掘技术的应用领域十分广泛，包括交通、金融投资、市场营销等方面都得到了应用，显示出其强大的生命力。
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- 数据挖掘竞赛指南：曾经的数据挖掘少年，如今的阿里算法大佬
- 数据挖掘实操：用文本挖掘剖析近 5 万首《全唐诗》
- 数据挖掘复习笔记---02.数据
- Python之数据挖掘
- python 数据挖掘算法简要
- 数据挖掘复习笔记---01.概述
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
