[论文解读] A Framework for Business Intelligence Application using Ontological Classification

Martin Aruldoss, D. Maladhy+1 more|arXiv (Cornell University)|Sep 6, 2011

Big Data and Business Intelligence参考文献 6被引用 19

一句话总结

本文提出了一种商业智能框架，利用本体分类和决策树挖掘技术，从网络数据中提取并结构化竞争情报。通过使用本体建模领域特定的关系，并应用决策树发现模式，该框架能够从非结构化网络内容中获得更准确、更具可操作性的业务洞察。

ABSTRACT

Every business needs knowledge about their competitors to survive better. One of the information repositories is web. Retrieving Specific information from the web is challenging. An Ontological model is developed to capture specific information by using web semantics. From the Ontology model, the relations between the data are mined using decision tree. From all these a new framework is developed for Business Intelligence.

研究动机与目标

• 解决从非结构化网络数据中提取特定、结构化竞争情报的挑战。
• 开发一种本体模型，以捕捉与商业智能相关的领域特定关系和实体。
• 整合决策树算法，用于从本体中的结构化数据中挖掘有意义的模式。
• 构建一个全面且可重用的框架，通过语义网技术和数据挖掘提升商业智能。

提出的方法

• 设计一种本体模型，使用网络语义表示业务实体、其属性及相互关系。
• 使用信息抽取技术从相关网络源中提取数据，并填充至本体。
• 对标注数据应用决策树算法，以发现预测性关系并分类业务智能模式。
• 将本体与决策树输出整合至统一系统，用于商业智能应用。

实验结果

研究问题

• RQ1 本体分类如何提升从网络数据中提取竞争情报的准确性和结构化程度？
• RQ2 本体中的语义关系在增强商业智能决策方面发挥什么作用？
• RQ3 决策树在识别本体结构化业务数据中的有意义模式方面效果如何？
• RQ4 结合本体与数据挖掘的方法能否产生可扩展且可重用的商业智能框架？

主要发现

• 所提出的框架成功将非结构化网络数据转化为语义丰富的本体，实现了更精确的信息检索。
• 将决策树与本体整合后，显著提升了模式识别能力，从而产生更具可操作性的业务洞察。
• 与传统的基于关键词的方法相比，该框架在数据组织和关系发现方面表现出更优性能。
• 本体分类的使用减少了数据解释中的歧义，提高了所提取业务情报的可靠性。