发布时间：
由于数据科学刚刚兴起，数据科学家作为一种新生职业被提出，数据研究高级科学家Rachel Schutt将其定义为“计算机科学家、软件工程师和统计学家的混合体“。数据挖掘作为一个学术领域，横跨多个学科，涵盖了统计学、数学、机器学习和数据库等，此外还包括各类专业方向比如从油田电力、海洋生物、历史文本、电子通讯、法律税务等的各个专业领域。注意每一分类都需要相当的行业经验。而要明白某一事物的本质，就需要通过另一些近似的事物特性对比来说明。就好像你单独提问什么是男人？很难解释对不对。所以咱们来举个栗子简单看看：一、分析报告在《大闹天宫》里孙悟空跟二郎神在花果山下大战三百回合，咱来写一篇文章分析。孙悟空有金刚不坏火眼金睛筋斗云七十二般变化加上定海神针身法灵活。二郎神杨戬有三只眼缚妖索哮天犬银袍金甲加上三尖两刃四窍八环刀力量无穷。所以在大战开始三百回合时候不相上下，结果后来二郎神派出天兵天将放火烧花果山让大圣慌了心神被偷袭得手。最后二郎神赢了。分析报告完成。二、统计分析大圣二战杨戬。这次在二位大战之前做个数理统计来预测结果。首先根据历史样本史书记载发现两人在之前的五百年里打过100次，其中孙悟空赢60次。然后有记录显示，之前孙悟空和牛魔王战斗的胜率是80%，而杨戬斗牛魔王胜率是70%。所以可以得出综合预测总体胜率是孙悟空赢面大。结论依靠历史记录，使用样本预测总体，根据经验做出假设。统计分析完成。三、数据挖掘孙悟空和杨戬终极决战。这次咱们根据两位的详细资料（如家庭出身、教育背景、工作经验、婚育情况等）让计算机做协同过滤关联分析。计算机通过数据清洗建模后发现：贫苦出身的孩子一般比皇亲国戚更能吃苦所以功夫底子更好平时训练更加扎实。战斗经验丰富的斗战胜佛因为平时经常打架擅长利用天时地利环境因素而胜算更大。在都得到大师指点的情况下，贫苦出身的孩子可以利用后天的努力来弥补先天悟性的欠缺。样貌奇特注定孤独终老的神仙总是会比同等条件下美若天仙喜欢拈花惹草处处留情的神仙功夫好。综上所述，我们可知道：论出身两位大神不分伯仲。一个从石头出来，一个是凡人与神仙结合所生。悟空的师父菩提老祖（准提道人）和二郎神的师父玉鼎真人的师父元始天尊同为鸿钧老祖的高足所以前者更胜一筹。斗战胜佛战斗经验相对整日快活逍遥无忧无虑的二郎神来说更加丰富。另孙行者由于样貌原因始终单身（好伤感）。所以可以得出结论，这次大战孙悟空赢面大。数据挖掘完成。四、最后总结：分析报告一般是整个事件发生结束以后的总结（描述性）。统计分析能利用大量的历史样本来预测整个事件总体未来的走向（预测性概率）。数据挖掘则透过事件的表象发现隐藏在背后的蛛丝马迹，从而找到潜伏的规律以及看似无关事物之间背后的联系，用此来洞察未来（规范性）。
数据挖掘（英语：Data mining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
汉斯出版社的我是想问它是国家级？还是省市级？还是？
数据挖掘又译为资料探勘、数据采矿。是一种透过数理模式来分析企业内储存的大量资料，以找出不同的客户或市场划分，分析出消费者喜好和行为的方法。它是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息的过程。主要有数据准备、规律寻找和规律表示3个步骤。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。是一个用数据发现问题、解决问题的学科。通常通过对数据的探索、处理、分析或建模实现。我们可以看到数据挖掘具有以下几个特点：基于大量数据：并非说小数据量上就不可以进行挖掘，实际上大多数数据挖掘的算法都可以在小数据量上运行并得到结果。但是，一方面过小的数据量完全可以通过人工分析来总结规律，另一方面来说，小数据量常常无法反映出真实世界中的普遍特性。非平凡性：所谓非平凡，指的是挖掘出来的知识应该是不简单的，绝不能是类似某著名体育评论员所说的“经过我的计算，我发现了一个有趣的现象，到本场比赛结束 为止，这届世界杯的进球数和失球数是一样的。非常的巧合！”那种知识。这点看起来勿庸赘言，但是很多不懂业务知识的数据挖掘新手却常常犯这种错误。隐含性：数据挖掘是要发现深藏在数据内部的知识，而不是那些直接浮现在数据表面的信息。常用的BI工具，例如报表和OLAP，完全可以让用户找出这些信息。新奇性：挖掘出来的知识应该是以前未知的，否则只不过是验证了业务专家的经验而已。只有全新的知识，才可以帮助企业获得进一步的洞察力。价值性：挖掘的结果必须能给企业带来直接的或间接的效益。有人说数据挖掘只是“屠龙之技”，看起来神乎其神，却什么用处也没有。这只是一种误解，不可否认的 是在一些数据挖掘项目中，或者因为缺乏明确的业务目标，或者因为数据质量的不足，或者因为人们对改变业务流程的抵制，或者因为挖掘人员的经验不足，都会导 致效果不佳甚至完全没有效果。但大量的成功案例也在证明，数据挖掘的确可以变成提升效益的利器。
这个杂志没有吧
数据挖掘（英语：Data mining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
没有什么规定，唯一明显的就是 核心 普刊 SCI EI 等， 普刊 分国家级 省级，法律上没有划分普刊 一般根据主办主管单位来看 个人意见，网页输入壹品优继续了解。。
刊物的级别应该是普刊（国家级、省级）、科技核心、北核、南核。影响因子越来越高。这些都是预先评估好了的。北核三年评一次。
如果是以下这些领域，可以考虑汉斯出版社的《数据挖掘》期刊：数据结构、数据安全与计算机安全、数据库、数据处理、知识工程、计算机信息管理系统、计算机决策支持系统、计算机应用其他学科、模式识别、人工智能其他学科。
期刊JMLR：ML领域的顶刊ML：ML领域的另一个期刊，知名度不如jmlr，质量比较高PAMI：顶刊会议COLT：纯理论的会AAAI：AI领域的顶会EMNLP，coling：自然语言处理领域会议IJCAI：AI领域的顶会ICCV，CVPR，ECCV CV领域的顶会，质量应该都非常高。ACL：自然语言处理的顶会CML：机器学习领域的顶会NIPS：机器学习领域的顶会-
这个杂志没有吧
汉斯出版社的我是想问它是国家级？还是省市级？还是？
中文学术期刊等级分类目录（试行） 一、A级学术期刊 A1级：（3） 《经济研究》、《中国社会科学》、《中国科学》 A2级：（11） 《法学研究》、《管理世界》、《社会学研究》、《现代外语》、《数学学报》、《计算机学报》、《哲学研究》、《历史研究》、《经济学动态》、《当代世界与社会主义》、《求是》 二、B级学术期刊 B1级：（43） 《经济社会体制比较》、《改革》、《经济学家》、《中国工业经济》、《中国农村经济》、《财贸经济》、《宏观经济研究》、《生态经济》、《消费经济》、《世界经济》、《财政研究》、《会计研究》、《金融研究》、《管理科学学报》、《中国管理科学》、《统计研究》、《税务研究》、《投资研究》、《审计研究》、《保险研究》ⅰ度丝谘芯俊贰ⅰ吨泄驳呈费芯俊贰ⅰ墩治学研究》、《马克思主义与现实》、《高校理论战线》、《高等教育研究》、《文学评论》、《科研管\\理》、《应用数学学报》、《数量经济技术经济研究》、《中国法学》、《中国体育科技》、《中国图书馆学报》、《学术月刊》、《系统工程理论方法与应用》、《中国语文》、《外语教学与研究》、《电子学报》、《计算机科学》、《中国软科学》、《人民日报》理论版、《光明日报》(理论版)、《经济日报》(理论版) B2级： 经济学：（10） 《财经科学》、《经济科学》、《经济评论》、《经济理论与经济管理》、《南开经济研究》、《中国经济问题》、《中国经济史研究》、《经济地理》、《当代经济科学》、《当代经济研究》 管理学：（10） 《南开管理评论》、《管理工程学报》、《战略与管理》、《中国行政管理》、《经济管理》、《管理现代化》、《宏观经济管理》、《外国经济与管理》、《管理科学》、《市场营销导刊》 金融学：（8）《国际金融研究》、《金融理论与实践》、《中国金融》、《银行与企业》、《农村金融研究》、《金融论坛》、《国际金融》、《金融与经济》 保险学：（6）《中国保险》、《保险理论与实践》、《保险职业学院学报》、《社会保障研究》、《上海保险》、《中国社会保障》 世界经济学与贸易经济学：（8） 《世界经济与政治》、《国际经济评论》、《世界经济文汇》、《国际经贸探索》、《国际贸易问题》、《中国流通经济》、《国际贸易》、《商业时代》（理论版） 农业经济学：（7）《农业经济问题》、《中国农村观察》、《乡镇企业研究》、《农村经营管理》、《农村经济》、《农业技术经济》、《农业现代化研究》 财政税收学与投资学：（6）《国有资产管理》、《中国资产评估》、《中国财政》、《中国税务》、《涉外税务》、《税务与经济》 会计学：（8）《财务与会计》、《中国注册会计师》、《中国审计》、《财会月刊》、《财会通讯》、《会计之友》、《中国会计评论》、《中国会计与财务研究》 统计学：（6）《数理统计与管理》、《中国统计》、《预测》、《统计与决策》、《统计与预测》、《统计与信息论坛》 法学与人口学：（8）《中外法学》、《现代法学》、《法学评论》、《比较法研究》、《法学家》、《中国人口科学》、《人口与经济》、《人口学刊》 政治学：（8）《科学社会主义》、《毛泽东邓小平理论研究》、《马克思主义研究》、《思想政治教育导刊》、《现代国际关系研究》、《国际问题研究》、《教学与研究》、《党建研究》 哲学：（7）《哲学动态》、《中国哲学史》、《现代哲学》、《道德与文明》、《自然辩证法研究》、《科学技术与辩证法》、《自然辩证法通讯》 语言学：（8）《当代语言学》、《中国翻译》、《中国比较文学》、《外国语》、《语言研究》、《外语界》、《新闻与传播研究》、《新闻大学》 经济信息与系统工程：（7）《经济与信息》、《管理信息系统》、《中文信息学报》、《系统工程理论与实践》、《系统工程》、《系统工程学报》、《控制与决策》 计算机科学：（5）《软件学报》、《计算机应用》、《中国图像图形学报》、《模式识别与人工智能》、《计算机研究与发展》 电子商务与电子技术：（8）《电子商务》、《中国金融电脑》、《网络安全技术与应用》、《信息安全与通信保密》、《通信学报》、《电子技术应用》、《光电工程》、《计算机测量与控制》 数学：（12）《系统科学与数学》、《运筹学学报》、《应用数学》、《数理统计与应用概率》、《高校应用数学学报》、《计算数学》、《数学进展》、《应用概率统计》、《数学年刊·A辑》、《高等学校计算数学学报》、《数学研究与评论》、《数学的实践与认识》 教育学：（8） 《教育研究》、《课程·教材·教法》、《中国教学学刊》、《心理科学》、《心理发展与教育》、《中国高等教育》、《中国大学教学》、《学位与研究生教育》 体育学：（4）《北京体育大学学报》、《上海体育学院学报》、《体育科学》、《体育与科学》 图书、情报与档案学：（3）《大学图书馆学报》、《档案学研究》、《情报学报》 历史学：（3）《中国史研究》、《近代史研究》、《世界历史》 综合性社科：（12）《文史哲》、《民族研究》、《旅游学刊》、《城市发展研究》、《自然资源学报》、《资源科学》、《学术研究》、《中国科学研究》、《江海学刊》、《江汉论坛》、《国外社会科学》、《中国劳动科学》 高校学报：（13）北京大学学报、武汉大学学报、吉林大学学报、中国人民大学学报、南京大学学报、复旦学报、厦门大学学报、浙江大学学报、南开学报、四川大学学报、清华大学学报、中山大学学报、山东大学学报 中央各部委主办学术期刊（须入选CSSCI） 三、C级学术期刊 除以上A、B两类所列期刊之外，凡进入南京大学CSSCI来源期刊目录或北京大学中文核心期刊目录的期刊，均认定为C级学术期刊。
是外文期刊的，不属于国内的
数据挖掘是从大量数据中提取人们感兴趣知识的高级处理过程， 这些知识是隐含的、 事先未知的， 并且是可信的、 新颖的、 潜在有用的、 能被人们理解的模式。随着信息化的普及和数据库的广泛应用，很多大型企业事业单位积累了数百亿字节的数据， 分析利用如此海量的数据，是数据挖掘技术的用武之地。数据挖掘在争取与保留客户、 交叉销售、 趋势分析与市场预测、 欺诈检测与风险防范等方面的成功应用令人鼓舞。
寿险行业数据挖掘应用分析 寿险是保险行业的一个重要分支，具有巨大的市场发展空间，因此，随着寿险市场的开放、外资公司的介入，竞争逐步升级，群雄逐鹿已成定局。如何保持自身的核心竞争力，使自己始终立于不败之地，是每个企业必须面对的问题。信息技术的应用无疑是提高企业竞争力的有效手段之一。寿险信息系统经过了多年的发展，已逐步成熟完善，并积累了相当数量的数据资源，为数据挖掘提供了坚实的基础，而通过数据挖掘发现知识，并用于科学决策越来越普遍受到寿险公司的重视。 数据挖掘 数据挖掘（Data Mining，DM）是指从大量不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、有用的信息和知识的过程。其表现形式为概念（Concepts）、规则(Rules)、模式(Patterns)等形式。 目前业内已有很多成熟的数据挖掘方法论，为实际应用提供了理想的指导模型。CRISP-DM（Cross-Industry Standard Process for Data Mining）就是公认的、较有影响的方法论之一。CRISP-DM强调，DM不单是数据的组织或者呈现，也不仅是数据分析和统计建模，而是一个从理解业务需求、寻求解决方案到接受实践检验的完整过程。CRISP-DM将整个挖掘过程分为以下六个阶段：商业理解（Business Understanding），数据理解(Data Understanding)，数据准备(Data Preparation)，建模(Modeling)，评估(Evaluation)和发布(Deployment)。 商业理解就是对企业运作、业务流程和行业背景的了解；数据理解是对现有企业应用系统的了解；数据准备就是从企业大量数据中取出一个与要探索问题相关的样板数据子集。建模是根据对业务问题的理解，在数据准备的基础上，选择一种更为实用的挖掘模型，形成挖掘的结论。评估就是在实际中检验挖掘的结论，如果达到了预期的效果，就可将结论发布。在实际项目中，CRISP-DM模型中的数据理解、数据准备、建模、评估并不是单向运作的，而是一个多次反复、多次调整、不断修订完善的过程。 行业数据挖掘 经过多年的系统运营，寿险公司已积累了相当可观的保单信息、客户信息、交易信息、财务信息等，也出现了超大规模的数据库系统。同时，数据集中为原有业务水平的提升以及新业务的拓展提供了条件，也为数据挖掘提供了丰厚的土壤。 根据CRISP-DM模型，数据挖掘首先应该做的是对业务的理解、寻找数据挖掘的目标和问题。这些问题包括：代理人的甄选、欺诈识别以及市场细分等，其中市场细分对企业制定经营战略具有极高的指导意义，它是关系到企业能否生存与发展、企业市场营销战略制定与实现的首要问题。 针对寿险经营的特点，我们可以从不同的角度对客户群体进行分类归纳，从而形成各种客户分布统计，作为管理人员决策的依据。从寿险产品入手，分析客户对不同险种的偏好程度，指导代理人进行重点推广，是比较容易实现的挖掘思路。由于国内经济发展状况不同，各省差异较大，因此必须限定在一个经济水平相当的区域进行分析数据的采样。同时，市场波动也是必须要考虑的问题，一个模型从建立到废弃有一个生命周期，周期根据模型的适应性和命中率确定，因此模型需要不断修订。 挖掘系统架构 挖掘系统包括规则生成子系统和应用评估子系统两个部分。 规则生成子系统主要完成根据数据仓库提供的保单历史数据，统计并产生相关规律，并输出相关结果。具体包括数据抽取转换、挖掘数据库建立、建模（其中包括了参数设置）、模型评估、结果发布。发布的对象是高层决策者，同时将模型提交给应用评估子系统根据效果每月动态生成新的模型。 应用评估子系统可以理解为生产系统中的挖掘代理程序，根据生成子系统产生的规则按照一定的策略对保单数据进行非类预测。通过系统的任务计划对生产数据产生评估指标。具体包括核心业务系统数据自动转入数据平台、规则实时评估、评估结果动态显示、实际效果评估。规则评估子系统根据规则进行检测。经过一段时间的检测，可利用规则生成子系统重新学习，获得新的规则，不断地更新规则库，直到规则库稳定。 目前比较常用的分析指标有: 险种、交费年期、被保人职业、被保人年收入、被保人年龄段、被保人性别、被保人婚姻状况等。 实践中，可结合实际数据状况，对各要素进行适当的取舍，并做不同程度的概括，以形成较为满意的判定树，产生可解释的结论成果。
论文摘要主要分这几部分1、提出问题2、分析问题3、解决问题4、结果对于不同的期刊摘要字数有限制，参阅你要投稿的期刊仔细写，摘要要简洁明了，论点突出，祝你的论文能早日录用