【正文】 全和隱私。要問一個重要問題是：什么是構(gòu)圖方法進行多步挖掘“查詢”？什么是規(guī)范的集數(shù)據(jù)挖掘運營商的互動探索方法？例如，數(shù)據(jù)挖掘系統(tǒng)表一個漂亮的用戶界面，但什么是它的操作背后的理論？9，安全，隱私和數(shù)據(jù)完整性一些研究人員認為隱私保護數(shù)據(jù)挖掘的一個重要話題?？梢暬兄谶M一步了解數(shù)據(jù)和定義/細化數(shù)據(jù)挖掘任務(wù)。另一個問題是如何結(jié)合可視化交互和自動資料采礦技術(shù)在一起。我們可以建立模型，發(fā)現(xiàn)今天的模式非?？?，但90 ％的成本在預(yù)處理（數(shù)據(jù)集成，數(shù)據(jù)清洗等）降低這個成本會有一個更大的收益比進一步降低模型構(gòu)建的成本和模式調(diào)查。如果我們自動化不同的數(shù)據(jù)挖掘過程的操作，將有可能以減少人為勞動盡可能。8，數(shù)據(jù)挖掘過程相關(guān)問題通過提高數(shù)據(jù)挖掘工具和流程存在的重要課題自動化，所建議的一些研究。到目前為止，三個重要和具有挑戰(zhàn)性的用于數(shù)據(jù)挖掘應(yīng)用已經(jīng)出現(xiàn)：生物信息學(xué)，客戶關(guān)系管理/個人化和安全應(yīng)用。在這方面，面臨的挑戰(zhàn)之一今天是怎么處理的問題動態(tài)時空行為模式的識別和預(yù)測：（1）非常大系統(tǒng)（如全球氣候變化和潛在的“禽流感”疫情）和（2）以人為中心的系統(tǒng)（如用戶適應(yīng)人機交互或P2P交易）。例如，如何可以將數(shù)據(jù)挖掘技術(shù)可以用來研究和發(fā)現(xiàn)在颶風發(fā)生的次數(shù)的觀察倍增起作用的因素在過去的幾十年，如最近報道inSciencemagazine？大多數(shù)數(shù)據(jù)我們今天處理的來源是快速變化的，如那些來自股票市場或城市交通。還有一個需要超越生物數(shù)據(jù)挖掘。在分子生物學(xué)，許多復(fù)雜的數(shù)據(jù)挖掘任務(wù)存在，不能用標準的數(shù)據(jù)挖掘算法來處理。7，數(shù)據(jù)挖掘的生物和環(huán)境問題很多我們調(diào)查的研究人員認為，挖掘生物數(shù)據(jù)繼續(xù)是一個非常重要的問題，無論是數(shù)據(jù)挖掘研究和生物醫(yī)學(xué)科學(xué)。（例如使他們產(chǎn)生假陰性）。我們怎樣才能獲得和雷從他們有用的知識？，以減小通信開銷。一個具體問題如下。類似的挑戰(zhàn)存在于生物信息學(xué)，因為我們目前正朝我們注意調(diào)控網(wǎng)絡(luò)的動態(tài)研究。什么是在本地的關(guān)系最重要的謊言（例如性質(zhì)和的局部相互作用的實體/節(jié)點之間的頻率）。第二，所涉及的實體/節(jié)點分布在實際生活中的應(yīng)用，因此識別手段分散會不理想。在自己的識別問題是一個充滿挑戰(zhàn)的一年。許多受訪者認為社區(qū)挖掘和社交網(wǎng)絡(luò)的礦山作為重要話題。今天的世界是通過多種類型的鏈路互連。涉礦復(fù)雜知識，挖掘有關(guān)的興趣知識專題仍然是重要的。一體化的一個重要應(yīng)用是對注入的域信息和商業(yè)知識到知識發(fā)現(xiàn)過程。特別是，其中一個重要方面是將背景知識轉(zhuǎn)化為數(shù)據(jù)挖掘?，F(xiàn)在有對集成挖掘與知識推理的強烈需求。因此，有必要研究超越分類和聚類的數(shù)據(jù)挖掘方法。又一個重要的問題是如何開采非關(guān)系數(shù)據(jù)。在大多數(shù)領(lǐng)域中，感興趣的對象不是相互獨立的，并且是單一類型的不。復(fù)雜性的另一種形式是由那些非獨立同分布的數(shù)據(jù)（獨立同分布）。在圖的形式復(fù)雜的一個重要類型知識點。代理商的預(yù)測來預(yù)測趨勢：公司注冊定性信息。開發(fā)的搜索代理規(guī)則來收集信息。同化的信息轉(zhuǎn)換成輸入預(yù)測劑。從許多來源可能是不一致的資料。很多的預(yù)測在很多時候被污染 噪聲，因此很難做到準確的短期和長期預(yù)測。一個特別具有挑戰(zhàn)性的問題是時間序列數(shù)據(jù)中的噪聲。順序和時間序列數(shù)據(jù)挖掘仍然是一個重要問題。數(shù)據(jù)流也可以來自傳感器網(wǎng)絡(luò)和RFID應(yīng)用。怎么可能有準確和實用非常有效的計算模型？例如，我們不能假定有一個很大的計算能力和資源來存儲大量的數(shù)據(jù)，或傳遞過來的數(shù)據(jù)進行多次。這是“概念漂移”或問題“環(huán)境漂移。一個特別的例子是，從高速網(wǎng)絡(luò)流量，其中一個希望挖掘信息用于各種目的，包括識別異常事件可能表明一種或另一種的攻擊。機構(gòu)可以做這件事將有超過那些沒有決定性的優(yōu)勢。然而，今天的數(shù)據(jù)挖掘技術(shù)仍然太慢，處理這種數(shù)據(jù)規(guī)模。一個重要的問題是挖掘數(shù)據(jù)流中非常大的數(shù)據(jù)庫（例如100 TB）。有較強現(xiàn)在需要建立有用的分類與數(shù)億或數(shù)十億的功能，為應(yīng)用程序，如文本挖掘和藥物安全性分析。不過，要得出這樣的結(jié)論的背后是相關(guān)的隱藏原因是太輕率了。這有時候與挖掘的問題“很深的學(xué)問”，這是隱藏觀察的原因。這是一個機會和需要為數(shù)據(jù)挖掘人員解決一些在統(tǒng)計研究中存在的長期的問題。關(guān)鍵字：數(shù)據(jù)挖掘，機器學(xué)習(xí)，發(fā)現(xiàn)知識幾個回答者覺得當許多技術(shù)為個體問題設(shè)計，比如：優(yōu)先級，分類歸并，但是沒有統(tǒng)一的理論。我們已經(jīng)從這份調(diào)查中收到這簡短的論文在14個回答中概括10個最具有挑戰(zhàn)性的問題。由于時間限制，我們僅有能力給出我們的調(diào)查請求到IEEE ICDM 和 ACM KDD 大會的組織者。第一篇：計算機專業(yè)英語翻譯姓名：吳彬彬?qū)W號：1140604123班級：計算機科學(xué)與技術(shù)（雙語班）在數(shù)據(jù)挖掘中10個具有挑戰(zhàn)性的問題2005年的10月份，我們開始著手確認在數(shù)據(jù)庫挖掘中10具有挑戰(zhàn)性的問題，通過詢問在數(shù)據(jù)挖掘和機器學(xué)習(xí)中對未來研究數(shù)據(jù)挖掘來說被認為是重要和有價值的話題的一些最積極的研究者。我們希望他們的深刻見解將會鼓勵新的研究成果，并且給新的研究者（包括博士學(xué)生）一個高水平的指導(dǎo)線，當在數(shù)據(jù)挖掘中的一些熱門的問題。我們非常感激這些不管忙碌時間表的研究者所提供的奉獻。列表的次序沒有反應(yīng)它們重要性的水平。然而，一個統(tǒng)一不同數(shù)據(jù)挖掘任務(wù)的理論框架，包括，分類歸并，優(yōu)先級，聯(lián)系規(guī)則，等等，和不同的數(shù)據(jù)挖掘方法一樣（比如，統(tǒng)計學(xué)，機器學(xué)，數(shù)據(jù)庫系統(tǒng)等等），將會幫助這方面的領(lǐng)域和提供一個未來研究的基礎(chǔ)。比如避免虛假關(guān)系的老問題。例如，人們發(fā)現(xiàn)，在香港，有電視連續(xù)劇由一個特定的恒星和時間的小市場崩潰在香港發(fā)生之間存在很強的相關(guān)性。另一個例子是：我們可以發(fā)現(xiàn)從觀察牛頓定律的物體的運動？2向上擴展的高維數(shù)據(jù)和高速數(shù)據(jù)流一個挑戰(zhàn)是如何設(shè)計的分類處理超高維的分類問題。這些問題往往開始與特點數(shù)以萬計，并與功能之間的相互作用，從而暗示特征的數(shù)量很快就會很大。衛(wèi)星和計算機網(wǎng)絡(luò)的數(shù)據(jù)很容易成為這種規(guī)模。此外，數(shù)據(jù)挖掘應(yīng)該是一個連續(xù)的，在線的過程，而不是一個偶然的一步法。數(shù)據(jù)流呈現(xiàn)的數(shù)據(jù)挖掘研究人員一項新的挑戰(zhàn)。一個技術(shù)問題是如何計算的模型在數(shù)據(jù)流，這適應(yīng)不斷變化的環(huán)境，從其中的數(shù)據(jù)繪制?！边@個問題是特別難的大數(shù)據(jù)流的上下文。因此，增量挖掘和有效的模型更新，以保持當前流的精確建模都是非常困難的問題。在將來，RFID標識將是一個巨大的區(qū)域，并且這數(shù)據(jù)的分析是非常重要的其成功。盡管在其他相關(guān)領(lǐng)域，如何有效聚類，分類和預(yù)測進展這些數(shù)據(jù)的趨勢仍然是一個重要的開放話題。這是一個重要的開放問題來解決。一些需要在實際的設(shè)計需要解決的關(guān)鍵問題數(shù)據(jù)挖掘嘈雜的時間序列包括：資料/搜索代理獲得的信息：使用錯誤的，太多，或太小的搜索條件。（元）信息語義分析。學(xué)習(xí)/礦工修改信息的選擇標準：偏見攤派到反饋。發(fā)展 信息代理規(guī)則來吸收信息。多目標優(yōu)化不是在封閉的形式。最近的研究已經(jīng)觸及了從大發(fā)現(xiàn)圖形和結(jié)構(gòu)化模式的話題數(shù)據(jù)，但很明顯，更多的工作需要做。從多個數(shù)據(jù)挖掘時可能會發(fā)生此問題關(guān)系。我們需要的數(shù)據(jù)挖掘系統(tǒng)，可以健全礦山對象之間，關(guān)系等相互關(guān)聯(lián)的網(wǎng)頁，社會的豐富結(jié)構(gòu)網(wǎng)絡(luò)中，在細胞代謝網(wǎng)絡(luò)等。絕大部分大多數(shù)組織的數(shù)據(jù)是INTEXT形式，而不是數(shù)據(jù)庫，并在復(fù)雜的數(shù)據(jù)格式，包括圖片，多媒體和Web數(shù)據(jù)。一些有趣的問題，包括如何執(zhí)行更好的自動摘要文本以及如何識別物體和人從網(wǎng)絡(luò)的移動和以發(fā)現(xiàn)有用的空間和時間知識無線數(shù)據(jù)日志。這是一個重要的未來的話題。做這些推論，因而自動化整個數(shù)據(jù)挖掘循環(huán)，需要代表和內(nèi)使用世界知識制度。涉礦復(fù)雜的知識，挖掘的話題。在過去，一些研究人員從不同的角度解決這個問題，但我們?nèi)匀粵]有什么使得發(fā)現(xiàn)的模式“有趣”從深入多用戶角度一個很好的了解。這些環(huán)節(jié)包括：網(wǎng)頁，博客和電子郵件。社會結(jié)構(gòu)是社會網(wǎng)絡(luò)的重要特性。首先，它的關(guān)鍵有概念的正確表征“社區(qū)”，也就是被檢測到。第三，基于快照的數(shù)據(jù)集可能無法捕捉到真正的圖片。在這種情況下，我們面臨的挑戰(zhàn)是了解（1）網(wǎng)絡(luò)的靜態(tài)結(jié)構(gòu)（如的拓撲結(jié)構(gòu)和簇）和（2）的動態(tài)行為（如生長因子，魯棒性和功能性的效率）。有關(guān)此問題的問題是什么地方的算法/協(xié)議是必要的為了檢測在自底向上的方式（或形式），社區(qū)（如在實世界）。在一個組織內(nèi)或電子郵件交流自己的郵箱在一段很長的時間可以被開采，以顯示如何把不同的常見的做法或友誼的網(wǎng)絡(luò)開始出現(xiàn)。在分散式開采，有一個問題是如何跨多個異構(gòu)開采數(shù)據(jù)來源：多數(shù)據(jù)庫，多關(guān)系挖掘。我們需要開發(fā)這明確地考慮到這一點，通過數(shù)據(jù)挖掘相結(jié)合的游戲系統(tǒng)理論。一個研究問題的一個例子是如何將數(shù)據(jù)挖掘應(yīng)用到HIV疫苗的設(shè)計。這些問題涉及許多不同的方面，如DNA，化學(xué)性質(zhì)，三維結(jié)構(gòu)和功能性質(zhì)。數(shù)據(jù)挖掘研究應(yīng)考慮生態(tài)和環(huán)境信息學(xué)。有許多有趣的知識尚未被發(fā)現(xiàn)，如據(jù)動態(tài)變化規(guī)律及/或其交叉相互作用有關(guān)。涉及到有關(guān)重要應(yīng)用這些問題，有必要把重點數(shù)據(jù)挖掘的“殺手級應(yīng)用”。然而，還需要更多的探索，以擴大這些應(yīng)用程序和擴展的應(yīng)用程序列表。具體問題包括：如何實現(xiàn)自動化的數(shù)據(jù)挖掘業(yè)務(wù)的組成和建設(shè)的方法論數(shù)據(jù)挖掘系統(tǒng)，幫助用戶避免許多數(shù)據(jù)挖掘的錯誤。一個重要的問題就是如何自動化數(shù)據(jù)清洗。另一個問題是如何進行數(shù)據(jù)的系統(tǒng)文件清潔。他指出，在許多應(yīng)用中，數(shù)據(jù)挖掘目標和任務(wù)，不能完全規(guī)定，特別是在探索性數(shù)據(jù)分析。還有一個需要后面的大型/復(fù)雜的數(shù)據(jù)集交互勘探理論的發(fā)展。也就是說，如何保證用戶的隱私，而他們的數(shù)據(jù)正在被開采。一受訪者指出，如果我們不解決隱私問題，數(shù)據(jù)挖掘?qū)⒊蔀橐粋€貶義詞廣大市民。我們引用他們的觀察：“數(shù)據(jù)挖掘算法頻繁施加到已被故意從其原始版本修改的數(shù)據(jù)，為了誤導(dǎo)數(shù)據(jù)的接收者或?qū)沟碾[私和安全的威脅。因此，面臨的挑戰(zhàn)之一研究者面臨的正在制定措施不僅要評價知識的完整性數(shù)據(jù)的集合的措施來評估的知識的完整性，但也個人模式。“相關(guān)的知識完整性評估問題，這兩個最顯著挑戰(zhàn)是：（1）開發(fā)有效的算法，用于比較兩者的知識內(nèi)容（之前和之后）中的數(shù)據(jù)的版本，以及（2）開發(fā)新的算法估計對數(shù)據(jù)挖掘的大類索取個人模式的統(tǒng)計學(xué)意義的數(shù)據(jù)的某些修改產(chǎn)生的影響算法。該第二個挑戰(zhàn)是要開發(fā)新的算法來測量該數(shù)據(jù)值的修改對已發(fā)現(xiàn)的模式的統(tǒng)計顯著性的影響，但它可能是不可行的發(fā)展對所有的數(shù)據(jù)挖掘算法一個全球性的措施。歷史的行動在采樣和模型構(gòu)建不是最佳的，但它們不是隨機選擇的無論是。假設(shè)我們使用收集的數(shù)據(jù)，200