随着数据采集的新技术和新方法的不断出现,师资人才信息的数据量在飞速地增长,人们所拥有的数据已经达到了极大的丰富,并且继续呈现加速度增长的趋势,为了从中获取到有价值的信息,人们跋涉于数据的海洋中。虽然数据库提供了丰富的数据管理功能,使用者仍然深切地体会到“信息丰富而知识贫乏”。 在人工智能中发展出的机器学习为我们提供了前进的方向。将机器学习的算法加以改造,在数据库中寻找有意义的模式,挖掘大量数据背后潜在的知识,成为解决上述问题的有效途径,并且促进了数据库中的知识发现与数据挖掘。 论文首先阐述了数据挖掘的框架,分析了数据挖掘中使用的各种方法以及可以挖掘的各类知识的特征和描述。在师资人才信息数据库中,通过设计有效的方案和算法,可以发现数据所表达的客观现象的聚类知识、整体概括特征、关联规则和演化趋势等深层的信息,这些发现出来的知识可以直接用在信息管理、科学研究、决策支持等许多方面。论文着重讨论和分析了师资人才数据库中分类知识和关联规则的特点,给出了形式化定义和描述,为进一步挖掘这类知识提供了理论基础。通过分类知识的挖掘研究,设计了决策树的创建方法、规则解释评估及知识表示;以师资人才为中心要素,讨论了师资人才数据库中相关要素之间关联规则挖掘的有效方案,给出了关联规则的生成、解释评估及表示。最后根据当前的研究状况,提出了进一步的研究工作。