从数据库中发现知识（KDD）一词首次出现在1989年举行的第十一届国际联合人工智能学术
会议上。到目前为止，由美国人工智能协会主办的KDD国际研讨会已经召开了8次，规模由
原来的专题讨论会发展到国际学术大会（见表1），研究重点也逐渐从发现方法转向系统应
用，注重多种发现策略和技术的集成，以及多种学科之间的相互渗透。1999年，亚太地区
在北京召开的第三届PAKDD会议收到158篇论文，空前热烈。IEEE的Knowledge and Data E
ngineering会刊率先在1993年出版了KDD技术专刊。并行计算、计算机网络和信息工程等其
他领域的国际学会、学刊也把数据挖掘和知识发现列为专题和专刊讨论，甚至到了脍炙人
口的程度。

2     出版物及工具

此外，在Internet上还有不少KDD电子出版物，其中以半月刊Knowledge Discovery Nugge
ts最为权威（http://www.kdnuggets.com/subscribe.html）。在网上还有许多自由论坛，
如DM Email Club等。至于DMKD书籍，可以在任意一家计算机书店找到十多本。目前，世界
上比较有影响的典型数据挖掘系统有：SAS公司的Enterprise Miner、IBM公司的Intellig
ent Miner、SGI公司的SetMiner、SPSS公司的Clementine、Sybase公司的Warehouse Stud
io、RuleQuest Research公司的See5、还有CoverStory、EXPLORA、Knowledge Discovery
Workbench、DBMiner、Quest等。读者可以访问http://www.datamininglab.com.网站，该
网站提供了许多数据挖掘系统和工具的性能测试报告。

3     国内现状

与国外相比，国内对DMKD的研究稍晚，没有形成整体力量。1993年国家自然科学基金首次
支持我们对该领域的研究项目。目前，国内的许多科研单位和高等院校竞相开展知识发现
的基础理论及其应用研究，这些单位包括清华大学、中科院计算技术研究所、空军第三研
究所、海军装备论证中心等。其中，北京系统工程研究所对模糊方法在知识发现中的应用
进行了较深入的研究，北京大学也在开展对数据立方体代数的研究，华中理工大学、复旦
大学、浙江大学、中国科技大学、中科院数学研究所、吉林大学等单位开展了对关联规则
开采算法的优化和改造；南京大学、四川联合大学和上海交通大学等单位探讨、研究了非
结构化数据的知识发现以及Web数据挖掘。

4     业界观点

最近，Gartner Group的一次高级技术调查将数据挖掘和人工智能列为“未来三到五年内将
对工业产生深远影响的五大关键技术”之首，并且还将并行处理体系和数据挖掘列为未来
五年内投资焦点的十大新兴技术前两位。根据最近Gartner的HPC研究表明，“随着数据捕
获、传输和存储技术的快速发展，大型系统用户将更多地需要采用新技术来挖掘市场以外
的价值，采用更为广阔的并行处理系统来创建新的商业增长点。”