题目：基于网络行为挖掘的智能决策支持系统研究.doc

题目：基于网络行为挖掘的智能决策支持系统研究
要求：根据以下内容修改为符合局级科技发展基金申报的形式
对研究课题目的、意义的简要说明
1、研究的目的、意义、内容和成果的预计去向。（包括本课题所要解决的科学问题、理论上的科学价值或预见在应用中对经济建设的影响等）
(1)课题的目的、意义
随着信息技术的迅猛发展和Internet网络应用的日益普及，网络用户呈现爆炸式增长，用户的网络行为呈现出复杂性和多样性，通过挖掘网络中积累的海量数据信息，恰当地对网络行为进行分析、管理和预警，发现网络中涌现出来的各种行为模式，寻找导致行为变化的关键因素和相变点，解释网络中各种现象产生的原因，对网络状态做出宏观上的预测和控制具有十分重要的意义。在许多重要行业，例如零售、金融、电信和保险等行业，企业决策人员希望透过这些海量的用户网络行为数据，发掘出隐藏在大量业务背后的业务关联规则和用户分类等信息，把握用户网络行为的特征及规律，对新用户进行预测，从而快速、直观地查看不同业务的收益、地区差异、业务需求变化、各种类型用户比例等信息，降低企业运行的成本，为客户提供更人性化的服务。
智能决策支持系统将人工智能的知识推理技术和决策支持系统的基本功能模块有机地结合起来，同时拥有定量分析和定性分析的优势，能很好地解决一些半结构化和非结构化的问题。而在分析网络行为的过程中，常遇到的都是一些半结构化和非结构化的问题，解决这类问题很大程度上依赖于人的技术和经验。这种经验性和启发性的知识，利用人工智能技术，可以把它抽象为知识规则，分类置于专家知识库中，可为网络行为的分析提供有力的支持。
（2）本课题的研究内容
建立以网络行为为目标的智能决策系统模型。
围绕着网络核心设备采集到的数据信息，对数据处理后，建立数据仓库。
设计网络行为管理中科学的方案库，以备在确定决策支持时筛选。从一系列方案中选出一个最适合的方案。
建立广义的知识库系统，广义的知识库系统除了常规的知识库，还包括文本库、图形库、模型库、方法库，为知识发现过程KDD提供数据支持。
创建数据挖掘引擎，依据知识发现过程结果对数据仓库进行挖掘，同时模型库为数据挖掘提供模型，文本库和图形库为数据挖掘提供相关的参考文献，方法库为数据挖掘提供方法，知识库为数据挖掘提供知识，数据挖掘的结果形成新的知识和模型，进一步充实知识库和模型库。
(3）成果的预计去向
在本课题的支持下，分析网络用户的特点及其在网络应用过程中行为活动上所表现出来的规律，形成一套具有实用性的用户网络行为智能决策支持系统及相关分析算法，为企事业单位网络的管理、政策的制定和业务的发展提供数据上的支持和技术保证。
2、研究课题所涉及的学科领域、国内外达到的水平，存在的主要问题，本课题的学术思想、立论根据、主攻关键及独到之处。
(1)本课题所涉及的学科领域、国内外达到的水平
本课题涉及到社会学、计算机科学、管理科学与运筹学、人工智能等交叉学科的内容。
目前国内外对网络行为的研究方式主要以下几种：
调查法。即通过采集具有一定合理性和代表性的大量数据来研究用户信息行为，并推广到整个用户群。一般来说，该方法数据量大，时间跨度长。如Jansen在考察Excite用户检索行为特征时就使用了该方法。尽管这种方法的精确性高，分析结果准确可靠，但人、财、物的耗费需求很大，一般的研究者难以承受。
实验法。通常采用测试表和采访来采集用户相关材料，并根据这些材料来分析用户的行为特征，如采用结构式自我报告采集用户使用搜索引擎的信息。这种方法相对而言简单易用，但是要设计出效度、信度良好的测试表并非一件易事，而且对被试者的采访也不一定能获取完全真实的信息。
观察法。即在有特定研究对象的过程中，研究人员在现场直接或利用特定的辅助工具如录像机、终端监视软件来完成对用户查询过程的观察。但是这种方法没有与被试者进行交互，是研究人员单方面的行为，得出的结果可能带有研究人员的主观看法。
出声思维法。即被研究对象在信息检索过程中，将行动和思维过程用语言表达出来，这些独白被研究人员录下来以备研究之用。该方法有利于分析用户的心理和动机，但有关分析表明，有时用户的出声与行为并不能完全一致。
网络日志分析法。即通过采集计算机的日志文件记录来分析用户的在线行为特征及规律。在特定时段和指定测试内容的情况下，由于日志文件的产生受人为因素影响小，能很容易地捕获和生成所需数据；成本相对较低，且没有被试者接受调查时的刻意行为；样本量大，分布广；结论较为客观准确，因而受到广大研究人员的青睐。
智能决策支持系统起源于上世纪80年代初,在DSS中引入了AI和ES技术,形成智能决策支持系统(IDSS)。自90年代以来,人工智能、机器学习、神经网络、专家系统技术、数据库技术和Internet/Intranet技术的发展为IDSS提供了强大的