基于数据挖掘技术的智能推送系统

刘向锐 西安邮电大学计算机系

随着大数据技术的不断发展，人类社会已经进入了大数据信息时代。在这一新的信息划时代，人工智能技术正在向社会提供着高效的智能化服务。其中智能信息推送就是这种智能化信息服务的重要组成部分。因此技术研究者以大数据技术核心数据挖掘技术为基础，对智能推送系统技术开展了技术发展研究，为智能推送系统发展提供有效支持。

1 数据挖掘技术概念及在人工智能中的应用

1.1 数据挖掘技术概念

在大数据技术理论研究中，数据挖掘技术是指数据系统通过网络平台，从大量的网络信息数据中通过模型与算法搜索出隐藏在数据中的有用信息的挖掘过程。在这一过程中，数据挖掘的主要方法包括了以下几种类型：一是网络中的相关数据统计；二是网络信息的在线分析处理；三是网络中数据情报的检索；四是智能化的机器学习；五是依靠经验法则形成的专家系统；六是预定好的模式识别等。需要需要注意的大数据技术的中的数据挖掘过程也是一种系统的“学习”过程，随着挖掘的开展，系统自身的挖掘能力也会不断提升。

1.2 在人工智能中的应用

随着信息时代的发展，人工智能技术已经成为了人类社会中的重要组成部分。而在人工智能应用中，系统的学习阶段（既海量数据存储与处理阶段），是人工智能的基础。在这一过程中，如何获取到的海量数据为人工智能提供基础数据，也就成为了人工智能技术的重要内容。如人工智能化教育中，如何获得教育内容的知识要点，以及被教育者学习特征，进而人工智能教育的针对性，就成为了智能化教育的重要研究内容。而在这种情况下数据挖掘技术可以通过网络学习要点检索分析，以及学生以往成绩与作业数据分析，为学生制定出针对性的教育方案，进而为教育者制定出有效的学习计划，确保人工智能教育的有效开展。因此我们认为数据挖掘是人工智能技术的发展与应用的基础技术，其对人工智能技术未来发展可以起到不可忽视的作用。

2 智能推送技术中的数据挖掘技术应用

智能推送技术在实际的运行中综合化的应用了人工智能、因特网知识工程以及数据库技术的相关内容，利用系统数据储存与分析技术，根据客户兴趣与偏好选择其所需要信息开展推送工作的一种人工智能化的信息推送模式。在这一模式的建设中，数据挖掘技术的应用包括了以下两个内容。

2.1 客户数据挖掘

在智能信息推送过程中，如何更好地了解客户兴趣与偏好，进而为其提供针对性的信息服务就成为了确保信息推送质量的基础。在数据挖掘技术支持下，信息推送系统主要是通过系统内容的机器学习方法，对客户以往搜索与使用的信息进行统计与概率分析，进而识别与预测该用户关注的信息要点，进而分析出其对信息内容的兴趣或偏好，再通过信息系统内部数据库主动及时推送具有针对性地信息，进而满足客户自身个性化需求。在这一过程中，客户数据挖掘的内容包括了以下几个内容：一是挖掘客户信息中包含的性别、年龄、职业等特征数据，再通过数据分析寻找其兴趣共同点；二是对客户以往搜索与使用的信息进行挖掘，进而获知其中包含的数据信息特征。之后系统即可通过以上数据信息特征，自动在数据库中获得相应数据信息，完成信息推送工作。

2.2 云平台下的信息数据挖掘

随着云数据信息平台的不断发展，在档案、新闻、数据应用等各信息领域中，与可实现信息云共享的云数据库已经代替了传统的网络数据库，实现了云平台下的网络信息共享。而这种共享模式，也是大数据技术发展的基础。单就智能信息推送系统发展应用而言，云共享技术的应用就是为推送信息内容提供了接近无限的信息数据库，进而确保了信息数据内容与种类的提升。而在这一过程中，数据挖掘技术的应用发挥着以下两个作用。（1）云平台数据海量挖掘。云平台中的信息数据内容与种类较为复杂，传统的搜索技术效率较低。而数据挖掘技术在数据信息搜索中可以极大的提升信息获取效率与质量，进而再满足了客户针对性信息需求的同时，增加了客户信息获取数量，提高了信息推送的整体质量。（2）云平台的信息共享。在智能信息推送系统发展中，其服务对象不是一个单一客户，而是云平台中的所有客户群体。因此系统在推送过程中可以通过智能学习与数据系统将推送相关信息进行记录。之后在运到类似客户的同时，数据挖掘系统可以通过数据挖掘模式，开展类似的信息推送工作。这一过程类似与智能学习与推理的过程，随着系统智能推送工作的不断开展，系统自身推送效率就会不断提升。

总之，数据挖掘技术是大数据技术应用的基础，也是人工智能技术应用的基础。因此研究者从数据挖掘在智能在信息推送系统应用角度，开展了客户信息与云平台数据挖掘使用研究，为我国未来信息实用技术发展提供理论研究支持。

[1]周二虎,张水平,谢必昌.信息过滤技术在智能信息推送系统中的应用[J]. 软件导刊. 2010(01)

[2]马波.大数据背景下精准信息推送在移动图书馆中的应用研究[J].图书馆工作与研究. 2017(02)