ENGLISH 中财主站 加入收藏
当前位置: 首 页 > 学术科研 > 学术活动 > 正文

龙马奋进| 大数据与管理科学系列讲座——大数据挖掘与智能知识管理

发布时间:2019-12-09浏览次数:

2019年12月5日下午中国科学院大学经济与管理学院教授、博士生导师张玲玲老师,在中央财经大学沙河校区4号楼102教室,进行了题为“大数据挖掘与智能知识管理”的讲座。讲座由管理科学与工程学院管理科学系李爱华教授主持,管理科学与工程学院部分本科生及研究生、博士生到场聆听讲座,参与学习。

张老师主要研究方向为智能知识管理、数据挖掘以及信息系统与信息管理。主持多项国家、北京市基金课题及多项横向课题,有着丰富的研究经验和成果。张老师以大数据挖掘与智能知识管理为主要内容,给予同学们许多启发。

张玲玲老师开宗明义,首先讲解大数据和智能知识管理的定义,解释了数据挖掘技术发展的客观基础以及知识发现、智能知识管理的重要性。数据是信息的来源,数据挖掘帮助人们从海量数据中发现有趣的信息。然而,许多时候,挖掘出的规则数量较多,结果繁琐。如何分析其意义,选出最能帮助人们进行决策的内容,成为当前十分重要的工作。智能知识管理的相关研究正解决了这类颇具现实意义的问题。

张老师从目前大数据挖掘中存在的问题和局限性出发,指出智能知识管理属于知识管理与数据挖掘交叉学科,关注在大数据背景下,将领域知识、情境、专家经验用于数据挖掘产生知识的“深层次”或“二次”挖掘,以获得智能知识。张老师在智能知识管理的理论模型研究上有很多研究成果,早在2009年就与石勇教授一起在一篇文章中提出数据挖掘与智能知识管理理论框架,最先界定了一系列智能知识管理相关的概念,探讨了其数学表达,提出了理论模型,并提出了多种基于领域知识、用户偏好和情境的深层知识发现和智能知识获取的算法,并在商品促销、个性化推荐及客户细分中进行了应用。目前智能知识管理已被选做撰写中的管理科学与工程大百科全书的重要词条。

本次讲座上,张老师也深入浅出地讲解了从数据到粗糙知识、再到智能知识的智能知识管理理论。如何结合结构与非结构化的数据,通过一阶挖掘产生粗糙知识,即数据中蕴含的潜在模式;并将粗糙知识与决策者、专家经验等的知识相结合,进一步进行二阶挖掘,最终产生智能知识和可行动知识,更好地实现决策支持。

在理论框架的基础上,张老师具体讲述了智能知识的获取和应用。其中包括基于可拓变换的可转化智能知识获取算法、关联规则智能知识发现以及基于领域知识和链路预测的个性化推荐算法及应用等。

最后,张老师热情地解答了同学们的问题,鼓励同学们积极思考,探索发现。讲座使同学们了解了大数据挖掘与智能知识管理的相关概念、理论框架,体会到智能知识管理的重要现实意义,通过研究实例具体学习了智能知识管理的实现方法和实际应用,收获颇丰,受益匪浅。本次讲座得到了“龙马奋进-校庆70周年学术系列讲座”和“获得2019年中央财经大学专题学术讲座项目资助。