倪 海，邵英俭

(1. 北华大学大数据与智慧校园管理中心，吉林 吉林 132013；2. 北华大学，吉林 吉林 132013)

1 引言

信息时代快速发展的背景下，互联网技术也随之成为获取大数据信息的重要手段，其从原来单一化趋势逐渐朝着集成化和大数据化的方向发展[1]。在大数据中，将信息主要分为同步信息和异步信息两种，在异步信息中，需要将不同时间段的信息进行分类[2-3]。规则引擎是一种高效的决策工具，它能够从成千上万异步信息中进行快速、准确的反复判决，并且负责从异步信息的微观层面上对信息进行逻辑和现实的分离。

文献[4]提出基于快速隐层优化的大数据分类方法，根据多个隐层网络同时训练优化隐层节点个数，采用分布式方法通过计算实现信息分类。该方法稳定性较强，但分类准确度有待提高，并且不能对不同信息类型进行有效划分。文献[5]提出基于多智能体策略的数据分类方法，将多智能体技术应用到网络进化中，根据克隆选择算法模拟网络模型，通过增加抗体间的竞争提高网络分析能力。该方法成本消耗较低，但由于人工神经大数据在整个训练过程中，速度较慢，容易陷入局部最优的情况，从而严重影响了分类准确度和效率。

针对上述方法存在的问题，提出面向大数据的规则引擎驱动下信息分类方法。大数据信息分类问题属于一个非线性问题，而支持向量机能够得到大数据信息分类问题的全局最优解，在非线性问题中具有显著的优势，目前已经在大数据信息分类方面取到了广泛地应用。……