摘要：数据挖掘技术用于采集和处理信息，将信息以知识表示的方式展现出来，让用户在大量的数据中获取关键信息。但是在获取关键信息过程中，由于获取时间较长，影响用户的正常工作，将人工智能技术应用在数据挖掘中，有助于提高数据挖掘技术应用水平。本文围绕基于人工智能的数据挖掘技术研究展开讨论，为挖掘技术与人工智能设计应用提供参考依据。
关键词：数据挖掘； 人工智能； 技术
引言：
在现代化背景下，信息技术应用较为广泛，许多领域利用信息技术进行创新发展。在信息技术创新发展过程中，数据挖掘技术与人工智能技术成为重要的组成部分。在数据挖掘技术应用过程中，融合人工智能技术，可以使信息收集过程更加简便，并且将产生的信息进行有效的分类，使用户根据实际需求，选择合适的信息开展工作。
1.数据挖掘技术
1.1数据挖掘简介
数据挖掘技术主要应用在数据搜索工作中，数据挖掘技术在发展过程中，历经三个时期，分别为收集数据源、处理数据源以及使用有效数据。在数据源处理过程中，使用数据挖掘技术进行收集信息，根据信息内容的变化，数据处理过程也会不断变化。在数据处理技术变化过程中，通过数据挖掘技术建立数据库，将数据库作为人工智能技术应用的基础，借助人工智能技术决策相关信息的应用方向，充分发挥信息的应用价值，满足用户的各项需求。与传统的数据挖掘技术相比，融合智能技术的数据挖掘技术，可以与多种技术建立联系，包括计算机技术、建模技术以及统计技术等，有助于提高数据挖掘技术的应用水平。
1.2数据挖掘步骤
数据挖掘过程分为四个阶段，包括收集数据源、预处理数据源、挖掘数据源以及评估数据源。在收集数据源过程中，主要是在数据仓库内进行。最后完成数据源的整理工作后，进入到数据评估阶段，采用知识表示的方式，将数据源内容直观准确的表示出来。
.png)
图1 数据挖掘的步骤
1.3数据挖掘常见的方法
1.3.1传统统计方法
传统统计方法是由三种技术组成，一是抽样技术、二是多元统计分析技术、三是统计预测技术。
1.3.2可视化技术
与传统统计方法各项技术相比，可视化技术具有可视化特点，用户将收集以及处理后的数据，采用图表的方式直观的表示出来，方便用户使用数据。
1.3.3决策树
决策树是将数据建立成树状结构，在树状结构的每个分支中，通过分类以及预测等方式，用于处理收集的数据，并最后采用树形结构方式进行决策。
1.3.4人工神经网络
人工神经网络在数据挖掘技术应用过程中，发挥神经元作用，数据通过神经元建立虚拟空间，在虚拟空间内建立输入层、输出层等体系，数据通过输入层和输出层后，会对不同类型的信息进行分类处理。
1.3.5遗传算法
遗传算法在应用过程中，应遵循自然进化原则，根据生物进化过程，对数据进行遗传计算。遗传计算按照自然发展规律收集、处理数据，采用基因的方式，将不同的数据进行组合，如果数据出现变化，按照自然变异规律，采用优化方式，使数据满足用户使用需求。
1.3.6关联规则挖掘算法
关联规则挖掘算法与遗传算法存在一定的联系，但是采用关联规则挖掘算法，可以将相互关联的数据有效的处理，处理过程按照设定的步骤，首先将数据中频繁出现的数据建立集合，然后按照关联规则进行挖掘计算。
1.3.7最近邻技术
数据挖掘技术中，最近邻技术较为简单，如果数据处理已经由计算机记录过程，采用最近邻技术计算后，会快速发现不同类别信息的差异，将差异的信息进行集中收集后，按照用户需求存储在数据库内。
2.人工智能技术
2.1人工智能简介
在计算机学科中，人工智能属于创新学科，应用人工智能技术，使计算机具备人类思维方式，并模拟人类的行为等，通过计算机进行多样化的操作，可以强化计算机的智能化应用价值。人工智能技术在应用过程中，应充分发挥人工智能技术的优势，包括图像识别、语音自动回复等，用户使用人工智能技术，可以使生活和工作更加便利。例如在小区门禁系统应用人工智能技术，门禁系统扫描用户的脸部，然后对比数据库内存储的用户脸部信息，通过对比后，门禁系统会自动开放。此外在计算机技术发展过程中，通过人工智能技术，使多种学科进入到创新发展阶段，包括心理学、逻辑学以及行业技术等，使许多由人类操作完成的工作，全部使用人工智能技术代替，不仅处理各种工作产生的复杂信息，使不同的工作运行更加高效，还能提高工作的精准度。
2.2人工智能技术发展
人工智能技术发展过程中，在不同的时间会产生不同的技术名称，在上世纪40年代开始，人工智能技术名称为大脑模拟，随后技术名称分别为符号处理、字符号法、统计学法以及集成方法，发展至今为人工智能技术。在大脑模拟阶段，借助大脑搜索信息的方式，将信息存储在不同的神经系统中，以人脑思维方式处理信息。在符号处理阶段，由于人脑模拟过程，会使数据计算过程较为复杂，并且计算机处理信息能力较低，采用符号处理方式，可以加快信息的处理速度，但是符号处理过程未能体现出理论依据，在实际应用中出现较多的问题。进入到字符号法阶段，计算机已经具备嵌入式功能，为计算机向着人工智能发展奠定坚实的基础。在统计学法阶段，研究人员积极探究神经网络理论以及控制理论，同时为计算机融入不同的学科创造条件，如环境感知学科，计算机会收集自然信息，逐步提升计算机适应环境的能力，使计算机形成人类思维方式。在集成方法阶段，人工智能技术进入快速发展时期，集成方法将不同行业的专业技能相互融合，使不同领域应用计算机，可以进行人工智能操作，有效提高工作效率。
2.3人工智能应用领域
现阶段是人工智能技术应用最为广泛的时期，在许多领域均能看到人工智能技术的身影，如在语言领域，用户只需说出关键词，人工智能技术会向用户显示所需的内容，用户根据需求选择信息。此外在智能数据检索、问题求解等工作中，使用人工智能技术，构建人工智能系统，人工智能系统会向用户提供不同的服务。以苹果程序为例，用户使用苹果设备时，向内设的人工智能管家发出命令，人工智能会根据用户指令提供相应的服务，例如用户进行导航时，向手机内人工智能系统发出目的地导航指令，系统会自动出示导航路线，为用户提供便利的导航服务。
3.数据挖掘与人工智能之间联系以及技术展望
基于人工智能技术，深入研究数据挖掘技术，将数据挖掘技术与人工智能技术建立紧密的联系，可以不断提高数据挖掘技术的应用水平。人工智能技术可以使数据挖掘过程更加智能化，用户只需向计算机系统发出指令，即便指令存在模糊或者混乱的情况，在人工智能技术的帮助下，数据挖掘技术仍然短时间内向用户提供相应的信息服务，在提供服务过程中，计算机系统会采用不同的逻辑思维方式，以便从海量的数据提取关键字，由关键字为切入点，快速找到相应的信息。此外在数据搜索过程中，传统的搜索方式，是通过计算机设定的程序，并且按照计算机的思维方式进行，但是搜索信息的过程会花费较长的时间，影响用户正常的使用。为提高信息的搜索速度，计算机以人工智能技术为基础，融入数据挖掘技术，在信息搜索过程中，如果某一属性的信息取值存在问题，计算机在处理问题的同时，会向信息提供不同的存储子集，以便使信息存储更加准确，同时避免用户在使用中出现问题，有效提高用户的使用效率。
结语：
综上所述，在数据挖掘技术发展过程中，借助人工智能技术，将数据挖掘技术应用在各个领域，用户通过计算机等设备，使用数据挖掘技术获取相关的信息，一方面有效缩短用户获取信息的时间，提高用户的工作效率，另一方面计算机会实时对信息进行分类，防止信息存储在错误的区域，导致用户获取信息出现失败的情况。将人工智能技术与数据挖掘技术相互融合，有助于提高数据挖掘技术的应用价值。
参考文献：
[1]陈梓晗.试论如何利用大数据挖掘技术推动人工智能继续发展[J].数字通信世界. 2018(02)：42-43.
[2]喻正夫.人工智能和数据挖掘技术的联系与发展前景[J].科技经济导刊. 2017(29)：353.
[3]万璞,王丽莎.数据挖掘与人工智能技术研究[J].无线互联科技. 2016(10)：8.