基于數據挖掘技術的智能推送系統

劉向銳 西安郵電大學計算機系

隨著大數據技術的不斷發展，人類社會已經進入了大數據信息時代。在這一新的信息劃時代，人工智能技術正在向社會提供著高效的智能化服務。其中智能信息推送就是這種智能化信息服務的重要組成部分。因此技術研究者以大數據技術核心數據挖掘技術為基礎，對智能推送系統技術開展了技術發展研究，為智能推送系統發展提供有效支持。

1 數據挖掘技術概念及在人工智能中的應用

1.1 數據挖掘技術概念

在大數據技術理論研究中，數據挖掘技術是指數據系統通過網絡平臺，從大量的網絡信息數據中通過模型與算法搜索出隱藏在數據中的有用信息的挖掘過程。在這一過程中，數據挖掘的主要方法包括了以下幾種類型：一是網絡中的相關數據統計；二是網絡信息的在線分析處理；三是網絡中數據情報的檢索；四是智能化的機器學習；五是依靠經驗法則形成的專家系統；六是預定好的模式識別等。需要需要注意的大數據技術的中的數據挖掘過程也是一種系統的“學習”過程，隨著挖掘的開展，系統自身的挖掘能力也會不斷提升。

1.2 在人工智能中的應用

隨著信息時代的發展，人工智能技術已經成為了人類社會中的重要組成部分。而在人工智能應用中，系統的學習階段（既海量數據存儲與處理階段），是人工智能的基礎。在這一過程中，如何獲取到的海量數據為人工智能提供基礎數據，也就成為了人工智能技術的重要內容。如人工智能化教育中，如何獲得教育內容的知識要點，以及被教育者學習特征，進而人工智能教育的針對性，就成為了智能化教育的重要研究內容。而在這種情況下數據挖掘技術可以通過網絡學習要點檢索分析，以及學生以往成績與作業數據分析，為學生制定出針對性的教育方案，進而為教育者制定出有效的學習計劃，確保人工智能教育的有效開展。因此我們認為數據挖掘是人工智能技術的發展與應用的基礎技術，其對人工智能技術未來發展可以起到不可忽視的作用。

2 智能推送技術中的數據挖掘技術應用

智能推送技術在實際的運行中綜合化的應用了人工智能、因特網知識工程以及數據庫技術的相關內容，利用系統數據儲存與分析技術，根據客戶興趣與偏好選擇其所需要信息開展推送工作的一種人工智能化的信息推送模式。在這一模式的建設中，數據挖掘技術的應用包括了以下兩個內容。

2.1 客戶數據挖掘

在智能信息推送過程中，如何更好地了解客戶興趣與偏好，進而為其提供針對性的信息服務就成為了確保信息推送質量的基礎。在數據挖掘技術支持下，信息推送系統主要是通過系統內容的機器學習方法，對客戶以往搜索與使用的信息進行統計與概率分析，進而識別與預測該用戶關注的信息要點，進而分析出其對信息內容的興趣或偏好，再通過信息系統內部數據庫主動及時推送具有針對性地信息，進而滿足客戶自身個性化需求。在這一過程中，客戶數據挖掘的內容包括了以下幾個內容：一是挖掘客戶信息中包含的性別、年齡、職業等特征數據，再通過數據分析尋找其興趣共同點；二是對客戶以往搜索與使用的信息進行挖掘，進而獲知其中包含的數據信息特征。之后系統即可通過以上數據信息特征，自動在數據庫中獲得相應數據信息，完成信息推送工作。

2.2 云平臺下的信息數據挖掘

隨著云數據信息平臺的不斷發展，在檔案、新聞、數據應用等各信息領域中，與可實現信息云共享的云數據庫已經代替了傳統的網絡數據庫，實現了云平臺下的網絡信息共享。而這種共享模式，也是大數據技術發展的基礎。單就智能信息推送系統發展應用而言，云共享技術的應用就是為推送信息內容提供了接近無限的信息數據庫，進而確保了信息數據內容與種類的提升。而在這一過程中，數據挖掘技術的應用發揮著以下兩個作用。（1）云平臺數據海量挖掘。云平臺中的信息數據內容與種類較為復雜，傳統的搜索技術效率較低。而數據挖掘技術在數據信息搜索中可以極大的提升信息獲取效率與質量，進而再滿足了客戶針對性信息需求的同時，增加了客戶信息獲取數量，提高了信息推送的整體質量。（2）云平臺的信息共享。在智能信息推送系統發展中，其服務對象不是一個單一客戶，而是云平臺中的所有客戶群體。因此系統在推送過程中可以通過智能學習與數據系統將推送相關信息進行記錄。之后在運到類似客戶的同時，數據挖掘系統可以通過數據挖掘模式，開展類似的信息推送工作。這一過程類似與智能學習與推理的過程，隨著系統智能推送工作的不斷開展，系統自身推送效率就會不斷提升。

總之，數據挖掘技術是大數據技術應用的基礎，也是人工智能技術應用的基礎。因此研究者從數據挖掘在智能在信息推送系統應用角度，開展了客戶信息與云平臺數據挖掘使用研究，為我國未來信息實用技術發展提供理論研究支持。

[1]周二虎,張水平,謝必昌.信息過濾技術在智能信息推送系統中的應用[J]. 軟件導刊. 2010(01)

[2]馬波.大數據背景下精準信息推送在移動圖書館中的應用研究[J].圖書館工作與研究. 2017(02)