数据挖掘一般是指从海量数据中获取知识的过程,而自动化数据挖掘能够根据应用场景、使用条件自动选择挖掘模型和模型参数,从而达到简化用户挖掘操作的目的。然而数据挖掘中流程复杂、信息重用难度大和共享困难等问题给数据挖掘自动化带来了很大挑战。本文提出了一种自动化数据挖掘工作流框架,在此框架上构建基于SWRL的本体推理实现自动化数据挖掘,其中SWRL用于表示数据挖掘知识及关系从而为数据挖掘本体提供更强的逻辑表达能力。本文工作如下:首先,通过标准化数据挖掘流程创建通用的数据挖掘工作流框架。在KDD(Knowledge Discovery in Database)过程的基础上,引入工作流思想创建标准化数据挖掘工作流,工作流严谨的逻辑关系能够在规范数据挖掘流程的同时也为自动化提供必要基础。其次,进行SWRL的数据挖掘工作流本体的表示与推理。在上述框架下引入本体,创建本体和规则来进行数据挖掘知识表示,使之能够基于SWRL推理出数据挖掘流程和它的最优模型及参数,从而实现数据挖掘自动化。最后,进行实验验证。在具体交通场景下,基于SWRL推理实现了的数据挖掘流程与模型的自动化构建及参数的自动化选择,得到了较好实验效果从而验证了本方法的有效性。同时补充了基于XML的数据挖掘工作流的实验。实验表明,基于SWRL的方法克服了XML不能显式表示语义的局限,能够获取到隐性的知识从而实现数据挖掘知识间的重用和共享。综上,本文从数据挖掘标准化流程的制定,到数据挖掘工作流框架的提出,最后基于此框架工作流的手动配置并自动执行、自动配置并自动执行,层层递进,一定程度上能够简化数据挖掘流程。同时通过本体和规则的方式实现数据挖掘模型及模型参数的自动化选择,也为数据挖掘自动化的全面实现提供了一个很好的解决思路。