趋势分析之数据挖掘
AMiner全新功能技术趋势分析Trend analysis（http://trend.aminer.cn）基于AMiner 2亿篇论文数据进行深入挖掘，包括对技术来源、热度、发展趋势进行研究，进而预测未来的技术前景。技术趋势分析描述了技术的出现、变迁和消亡的全过程，可以帮助研究人员理解领域的研究历史和现状，快速识别研究的前沿热点问题。
我们目前已发布了5期分析内容，具体如下：
数据挖掘（data mining）是数据库知识发现（Knowledge-Discovery in Databases，简称KDD）中的一个步骤，指的是从大量的模糊的数据集合中提取人们感兴趣的知识和信息。数据挖掘设计到机器学习、模式识别、归纳推理、统计学、数据库、高性能计算等多个领域。
下面我们用Trend analysis分析数据挖掘领域内的研究热点。（点击文末阅读原文即可进入Data Mining Trend）
上图是当前该领域的热点技术趋势分析，通过Trend analysis分析挖掘可以发现当前该领域TOP10的热点研究话题如下：
data mining
social network
applied science
social science
graph theory
heterogeneous information network
big data
feature extraction
feature selection
anomaly detection
根据Trend analysis我们可以发现，当前最热门的话题是data mining，该技术的话题热度稳定，发表论文数量相对其他技术而言也较多；heterogeneous information network和big data从2011年开始话题热度稳步增长；data stream的热度变化则是经历了一定的起伏，2001年后的十年期间话题热度曾经一度仅次于data mining，但在近几年话题热度明显下降。
美国伊利诺伊大学香槟分校的韩家炜教授是数据挖掘领域的代表学者之一，同时也是IEEE和ACM Fellow。他曾经担任美国ARL资助的信息网络联合研究中心主任，KDD、SDM和ICDM等国际知名会议的程序委员会主席，并创办了ACM TKDD学报并任主编。
他在数据挖掘、数据库和信息网络领域发表论文600余篇。出版了数据挖掘专著《Data Mining: Concepts and Techniques》，成为数据挖掘国内外经典教材。曾获ICDE 2002杰出贡献奖、SIGKDD 2004最佳创新奖、 2009年麦克道尔奖（the McDowell Award）。在谷歌学术的 H-index中，名列全球计算机科学领域高引作者前三。
学术头条
ID：SciTouTiao
马上查询他的历史论文、人际关系以及迁徙路径等资料