●郭凌辉（武汉大学 信息管理学院，武汉 430072）

1 前言

知识发现（KD）是计算机科学发展最快的领域之一。

知识发现（KD）就是从大量数据中提取出可信的、新颖的、潜在有用的并能被人理解的模式的高级处理过程。[1]知识发现一个重要步骤是数据挖掘（DM），数据挖掘是从数据中提取知识的实际过程。在实践中，人们通常把数据挖掘（DM）、知识发现（KD）以及数据挖掘和知识发现（DMKD）看做同义语。随着信息时代和知识经济的到来，KD理论和技术，已成为计算机应用的重点领域，知识发现的研究范围在不断扩大，研究热度不断升温。

近年来，国内外知识发现研究学者对知识发现的研究现状、前沿与热点、发展趋势等进行了一定程度的研究。如杨炳儒等（2005） 认为目前国际上KDD的研究主要是以知识发现的任务描述、知识评价与知识表示为主线，以有效的知识发现算法为中心，这是在相当长的一段时间内保持的主流基调。[2]Krzysztof J.Cios，LukaszA.Kurgan（2006） 认为，除了设计和实施一个新的DMKD框架之外，还需要更多的实际行动。它包括设计一种高性能的新一代数据挖掘系统，该系统具备复合数据挖掘方法，能从海量复杂数据中特别是多媒体数据中挖掘有用的知识，并能可视化分析结果。[3]孙吉红和焦玉英（2006） 认为知识发现研究的重点领域和趋势集中在：文本挖掘、数据挖掘（查询）语言的设计、数据立方的数据挖掘、概念知识库挖掘、基于可视化的知识发现、复杂数据类型挖掘的新方法、可伸缩的数据挖掘方法。除此之外，知识发现与数据隐私保护和信息安全、开发知识发现语言、专项挖掘查询语言及其优化等领域也是数据挖掘未来发展的趋势。……