论文部分内容阅读
摘要：作为一种新兴网络技术，云计算能够为海量信息高效处理提供技术支持，与此同时能够满足网络交易期间虚拟增值资源各项需求。研究利用云计算技术构建了数据挖掘平台，并对其构架及关键技术进行分析，实践证明云计算技术下数据挖掘平台的建构能够实现对大数据集的有效处理，提升数据挖掘效率，可予以广泛推广。
关键词：云计算技术；数据挖掘；平台建构
信息时代背景下，网络运营商推出丰富多样的网络产品，网络数据呈现出海量化、多样性特征，增加了用户筛选信息的难度，用户很难从海量信息中寻找到所需的内容，如果能够实现对海量数据的挖掘分析成为当前计算机领域研究的重点。
1 云计算技术下的数据挖掘平台建构需求
1.1满足数据挖掘需要
传统的数据挖掘管理方式已经不能够满足科技信息化跨越式发展需求，存在较大的缺陷与不足[1]，云计算在数据挖掘平台建构中的应用成为不可阻挡的潮流趋势。信息技术的发展使网络充斥着海量用户数据及相关信息，而数据挖掘技术不仅能够帮助用户在海量数据中筛选出重要信息，而且能够提升效率。
1.2满足用户应用需求
数据挖掘中在应用云计算技术、设计数据平台时，要坚持以用户为中心的原则，能够满足用户的多样化需求，数据挖掘平台各个模块的建立要充分考虑用户需求。在采用云计算技术构建数据挖掘平台时，首先要对云计算相关技术进行优化，构建基于数据挖掘平台的云计算计算池，与此同时构建网络池及云计算资源池，确保在实际运行中数据挖掘平台能够对数据资源进行高效应用[2]。另外，针对不同行业需求，在数据挖掘构建时可有选择性的引入云计算技术，实现云计算数据挖掘平台的优化。
1.3提升平台实时交互性
数据挖掘平台在建构及优化过程中，需要加强对系统平台的实时监测及管理控制，全面掌握数据挖掘平台的运行情况，能够对突发状况作出及时的有效的处理。另外，在应用计算机技术及云计算计算过程中，需要对数据挖掘平台进行优化处理，不断提高编程自动化水平，使平台中的挖掘信息能够实现交互及共享。
2 云计算技术下数据挖掘平台的优化建构
2.1平台建构
数据挖掘平台的优化建构离不开云计算技术的支持，该架构采用三层设计法，主要包括数据云服务层、云计算支撑平台层以及数据挖掘能力层。其中云计算支持平台层主要指的是数据挖掘平台底层，其能够帮助完成一系列数据库相关操作；数据挖掘能力层则是针对封装采取的一系列类与方法，其主要服務于数据挖掘云服务层用户，与此同时能够提供对应的云计算服务接口，用户利用该平台能够根据需要对数据挖掘服务进行调用，具体架构如图1所示。三层架构模式能够为后期平台维护提供便利。其次，当数据挖掘平台投入运行后，在云计算技术支持下，可以通过乙烯类的添加，对数据挖掘接口进行适当的调整与修改，该操作能够增加数据挖掘平台的心功能。另外，数据挖掘平台也能够实现对相关数据的计算与分析，判断路径对因子权重的影响，对系统用户数据挖掘风险予以科学的评估，进而确保系统运行的安全性与稳定性。
2.2平台功能分析
此次数据挖掘平台充分利用了云计算技术，对于数据挖掘服务的高效实现有着重要的意义，其能够实现信息可靠、准确挖掘，其功能结构见图2。其除应用云计算技术外，还引入了低碳环保智能化数据装置，具有较高的安全性与可靠性[3]。在高速网络通信平台作用下，促进了数据挖掘平台的构建与优化，使得该平台在实现数据自动采样、数据挖掘、满足查询服务等功能的同时，也能够结合实际需求，确保了智能监控功能、调节功能及交互功能等的实现。另外，通过云计算技术还构建了数据挖掘模型建模方案，实现了信息化平台编程一体化，其能够确保数据挖掘结果的一致性与可靠性，为用户提供了极大的便利。
2.3数据挖掘平台的优化
数据挖掘平台中数据库的优化主要包括以下三个方面：（1）维护数据可靠性。作为数据挖掘平台建构极为重要的组成部分，底层基数数据建构对资源处理有着较高的要求，其在处理资源时要具有结构化特点，尽可能降低资源冗余，充分发挥出处理程序以及数据独立性的优势作用。与此同时，可采用批量处理的方式，对数据资源进行处理，其能够促进数据库资源的扩充。（2）关系数据库。关系数据库能够为数据挖掘平台中SCL配置文件的建模工作提供支持，与此同时在云计算数据库挖掘作用下，可以对数据进行备份、恢复以及并发控制等，进而实现对数据挖掘平台数据库资源的科学管理。（3）数据关联配置。云计算技术中关于数据模型的描述，能够将SCL文件提供的配置信息进行关联与配置，并导入数据库系统，在映射关系下实现SCL配置文件的转换，其有利于数据挖掘平台信息资源的最大化利用。
2.4数据挖掘步骤
数据挖掘平台在对数据进行处理时需要结合多种智能处理算法，并能够对关键数据进行有效的评价，其挖掘步骤如下：（1）确定挖掘数据的主题；（2）利用Clementine、Qracle数据库工具对相关数据进行处理；（3）抽样选取数据，结合数据趋势及分布情况，构建数据挖掘模型；（4）对数据挖掘模型进行评价，提取所需数据信息。
2.5平台软件代码实现
云计算技术下的数据挖掘平台操作系统主要由Linux系统组成，Windouwa2003操作系统主要适用于数据批签发系统平台适用性。给予云计算技术下的数据挖掘平台一般采用的是Qracle系统数据库。
结束语
云计算技术下数据挖掘平台的构建，丰富了资源类型及服务内容，功能呈现出多样化特征，能够在多个商业数据领域中得以应用，可广泛推广、应用。
参考文献：
[1]耿瑞焕， 刘源. 基于云计算的数据挖掘平台架构及其关键技术研究[J]. 科技经济导刊， 2016， 21（17）：104-105.
[2]韩冬， 韩春庆. 协同云计算下的差异区域数据挖掘平台设计与实现[J]. 现代电子技术， 2017， 40（5）：118-121.
关键词：云计算技术；数据挖掘；平台建构
信息时代背景下，网络运营商推出丰富多样的网络产品，网络数据呈现出海量化、多样性特征，增加了用户筛选信息的难度，用户很难从海量信息中寻找到所需的内容，如果能够实现对海量数据的挖掘分析成为当前计算机领域研究的重点。
1 云计算技术下的数据挖掘平台建构需求
1.1满足数据挖掘需要
传统的数据挖掘管理方式已经不能够满足科技信息化跨越式发展需求，存在较大的缺陷与不足[1]，云计算在数据挖掘平台建构中的应用成为不可阻挡的潮流趋势。信息技术的发展使网络充斥着海量用户数据及相关信息，而数据挖掘技术不仅能够帮助用户在海量数据中筛选出重要信息，而且能够提升效率。
1.2满足用户应用需求
数据挖掘中在应用云计算技术、设计数据平台时，要坚持以用户为中心的原则，能够满足用户的多样化需求，数据挖掘平台各个模块的建立要充分考虑用户需求。在采用云计算技术构建数据挖掘平台时，首先要对云计算相关技术进行优化，构建基于数据挖掘平台的云计算计算池，与此同时构建网络池及云计算资源池，确保在实际运行中数据挖掘平台能够对数据资源进行高效应用[2]。另外，针对不同行业需求，在数据挖掘构建时可有选择性的引入云计算技术，实现云计算数据挖掘平台的优化。
1.3提升平台实时交互性
数据挖掘平台在建构及优化过程中，需要加强对系统平台的实时监测及管理控制，全面掌握数据挖掘平台的运行情况，能够对突发状况作出及时的有效的处理。另外，在应用计算机技术及云计算计算过程中，需要对数据挖掘平台进行优化处理，不断提高编程自动化水平，使平台中的挖掘信息能够实现交互及共享。
2 云计算技术下数据挖掘平台的优化建构
2.1平台建构
数据挖掘平台的优化建构离不开云计算技术的支持，该架构采用三层设计法，主要包括数据云服务层、云计算支撑平台层以及数据挖掘能力层。其中云计算支持平台层主要指的是数据挖掘平台底层，其能够帮助完成一系列数据库相关操作；数据挖掘能力层则是针对封装采取的一系列类与方法，其主要服務于数据挖掘云服务层用户，与此同时能够提供对应的云计算服务接口，用户利用该平台能够根据需要对数据挖掘服务进行调用，具体架构如图1所示。三层架构模式能够为后期平台维护提供便利。其次，当数据挖掘平台投入运行后，在云计算技术支持下，可以通过乙烯类的添加，对数据挖掘接口进行适当的调整与修改，该操作能够增加数据挖掘平台的心功能。另外，数据挖掘平台也能够实现对相关数据的计算与分析，判断路径对因子权重的影响，对系统用户数据挖掘风险予以科学的评估，进而确保系统运行的安全性与稳定性。
2.2平台功能分析
此次数据挖掘平台充分利用了云计算技术，对于数据挖掘服务的高效实现有着重要的意义，其能够实现信息可靠、准确挖掘，其功能结构见图2。其除应用云计算技术外，还引入了低碳环保智能化数据装置，具有较高的安全性与可靠性[3]。在高速网络通信平台作用下，促进了数据挖掘平台的构建与优化，使得该平台在实现数据自动采样、数据挖掘、满足查询服务等功能的同时，也能够结合实际需求，确保了智能监控功能、调节功能及交互功能等的实现。另外，通过云计算技术还构建了数据挖掘模型建模方案，实现了信息化平台编程一体化，其能够确保数据挖掘结果的一致性与可靠性，为用户提供了极大的便利。
2.3数据挖掘平台的优化
数据挖掘平台中数据库的优化主要包括以下三个方面：（1）维护数据可靠性。作为数据挖掘平台建构极为重要的组成部分，底层基数数据建构对资源处理有着较高的要求，其在处理资源时要具有结构化特点，尽可能降低资源冗余，充分发挥出处理程序以及数据独立性的优势作用。与此同时，可采用批量处理的方式，对数据资源进行处理，其能够促进数据库资源的扩充。（2）关系数据库。关系数据库能够为数据挖掘平台中SCL配置文件的建模工作提供支持，与此同时在云计算数据库挖掘作用下，可以对数据进行备份、恢复以及并发控制等，进而实现对数据挖掘平台数据库资源的科学管理。（3）数据关联配置。云计算技术中关于数据模型的描述，能够将SCL文件提供的配置信息进行关联与配置，并导入数据库系统，在映射关系下实现SCL配置文件的转换，其有利于数据挖掘平台信息资源的最大化利用。
2.4数据挖掘步骤
数据挖掘平台在对数据进行处理时需要结合多种智能处理算法，并能够对关键数据进行有效的评价，其挖掘步骤如下：（1）确定挖掘数据的主题；（2）利用Clementine、Qracle数据库工具对相关数据进行处理；（3）抽样选取数据，结合数据趋势及分布情况，构建数据挖掘模型；（4）对数据挖掘模型进行评价，提取所需数据信息。
2.5平台软件代码实现
云计算技术下的数据挖掘平台操作系统主要由Linux系统组成，Windouwa2003操作系统主要适用于数据批签发系统平台适用性。给予云计算技术下的数据挖掘平台一般采用的是Qracle系统数据库。
结束语
云计算技术下数据挖掘平台的构建，丰富了资源类型及服务内容，功能呈现出多样化特征，能够在多个商业数据领域中得以应用，可广泛推广、应用。
参考文献：
[1]耿瑞焕， 刘源. 基于云计算的数据挖掘平台架构及其关键技术研究[J]. 科技经济导刊， 2016， 21（17）：104-105.
[2]韩冬， 韩春庆. 协同云计算下的差异区域数据挖掘平台设计与实现[J]. 现代电子技术， 2017， 40（5）：118-121.