在当今的大数据和人工智能时代,数据、算法和算力尤为重要。从海量数据中设计算法挖掘出“数据关联”后的知识,可视化其价值,这是数据挖掘研究的核心。在数据挖掘算法中,神经网络在分析处理文本、图像、音频等数字信息中,是一种行之有效的数据分析、处理方法。基于此,本论文主要研究基于深度神经网络的数据挖掘算法以及数据挖掘算法在特定领域下的工程应用。主要工作概括如下:(1)神经网络的可解释性研究论文重点关注神经网络理论中的可解释性,主要分析了可解释性的主流研究方法和模型。基于文本分类任务,以fastText模型为基础,设计了具有结构可解释性质的拓展网络NNF。通过对比fastText和NNF在相同任务上的表现,发现NNF在各方面表现良好,具有一定的应用价值。(2)基于深度神经网络的数据挖掘算法研究论文主要研究了TextCNN文本分类算法、FP-Growth关联规则算法和LDA聚类算法。论文从TextCNN模型结构的角度分析,得出了其处理分类任务时的特点。并通过在特定数据集上训练并测试TextCNN,有效证明了TextCNN的应用效果。同时,通过在相同数据集下对比分析fastText、NNF和TextCNN模型的各项指标,确定了TextCNN在工程上更具有应用价值。(3)大数据分析平台的设计与实现基于神经网络理论,应用数据挖掘算法实现一个西藏大数据分析平台,并按照软件工程思想,进行了需求分析、概要及详细设计、代码实现和测试。通过可视化平台数据的结果,挖掘出了有价值的“政治”、“文化”和“社会”主题方面的知识。