互联网时代下高新技术发展迅猛，以互联网技术和计算机技术为基础，大数据挖掘技术迎来巨大发展机遇，同时也面临严峻挑战。分析大数据挖掘的关键技术，能发挥数据的最大化价值，促进社会经济高效发展。对此，本文以互联网为研究背景，探析大数据挖掘关键技术。文章以互联网大数据时代现状开篇，提出了大数据挖掘关键技术中的大数据采集、预处理关键技术、实时挖掘关键技术等，为相关研究工作者提供理论借鉴，为互联网企业的高速和高效发展助力。

　　一、数据挖掘和大数据

　　社会经济发展大潮中，大数据如影随形，大数据能够通过对相关数据进行分析后，预测行业和市场的发展。大数据，从字面意义上看就是指大量的数据，其是以计算机技术、互联网技术等为基础衍生的概念。大数据自身的特征非常明显，即类型和数量多、处理更高效等。在很早之前大数据没有引起人们的重视，而随着互联网技术的发展，大数据的价值被逐步发掘。互联网行业作为受大数据影响深远的行业之一，其发展在逐年壮大，并扩展到多个行业。互联网大数据是指用户使用互联网时产生的所有数据，除了流量以外，还包括了用户的各类个人数据资料，尤其是历史行为、偏好、社交等等。以这些数据为基础，供应商能在掌握用户信息的同时，更有针对性地为用户提供相应服务。任何一个行业在发展中，都可以进行数据挖掘。互联网上的数据非常庞杂，而数据挖掘是将大量数据进行分析筛选提取，其主要的目的是对杂乱无章的数据整理和分析，进而提炼出其中有价值的数据或者是探寻数据之间的规律，实现最大化的商业价值，而这些有价值的数据也正是电子商务崛起的重要依据，电商平台都离不开数据挖掘。当下是大数据的时代，又是以数据为王的时代，数据挖掘作为大数据中的核心内容，其在大数据处理中的地位不容忽视。

　　二、互联网大数据时代的发展现状

　　社会经济发展大潮中，互联网大数据推动了企业的革新发展，为企业发展提供相关数据信息，而企业通过深挖数据信息，对自身发展有更好的定位，有助于科学战略规划的制定；与此同时，企业通过利用互联网大数据，分析用户需求，可以提供有针对性的服务，增强用户的信赖度，提高用户的黏性。互联网下的大数据分析为网络管理服务，可以分析用户体验、用户需求、用户偏好等，以便于服务商更好地开展网络服务。

　　三、基于互联网的大数据挖掘关键技术分析

　　大数据挖掘技术在互联网大数据中发挥着重要作用，通过应用大数据挖掘技术，服务商能够更好地为用户匹配相关信息，提高数据价值，因此，论述大数据挖掘关键技术显得尤为重要。

　　(一)互联网大数据采集

　　基础支撑层数据采集和智能感知层数据采集共同构成了互联网大数据采集，前者是提供数据库技术、物联网技术等，主要是为平台建立服务；而后者即为数据的传输、感知和识别等。对于运营商而言，应用互联网大数据，能够更加快捷地应对用户多变的需求，由此为用户提供更好的服务。互联网运行中，数据信息随时随地产生，而存在形式主要为：日志、视频、信息、图文等，用户可以根据自己需求选择所需的数据形式，然而在数据采集和处理过程中，运营商的压力是巨大的，以下从三个方面分析：第一，多源数据获取问题。大数据具有复杂化、动态化和多元化的特点，如果整合多个用户数据信息，则数据的整体价值会更高，但与此同时也会无形中加大数据采集的难度，运营商的工作面临着多源数据获取工作任务重的问题；第二，数据实时挖掘问题。虽然可以将聚类分析和关联分析应用到数据挖掘中，然而在实际应用中，模拟分析方法对于数据的实时挖掘有着一定的难度；第三，海量异构管理问题。海量异构数据信息的注册结构不完善，在庞大的数据量中，数据价值有高有低，因此只有对关键数据进行异构管理分析，才能切实提升数据的质量，但是事实上，只针对关键数据进行异构有着较大的难度。

　　(二)互联网大数据预处理关键技术

　　预处理工作在互联网大数据挖掘前期是非常有必要的，其要对数据进行清理、集成和归纳等，将大数据进行分类汇总，为后期工作进行铺垫。众所周知，互联网大数据的数据量非常大，各种数据混杂在一起，而有价值的数据占比不高，数据量不断增加的过程中会出现各种数据问题。如果从数据占比考虑，不常用的、价值低的数据量会大量增加，在处理过程中，往往将其碎片化。因此，将数据清洗技术和降噪技术应用在互联网大数据预处理过程中，能对数据进行有效和高效处理。与此同时，大数据预处理关键技术可以对数据进行分类，有助于后期高效完成数据挖掘工作。

　　(三)互联网大数据处理技术与互联网大数据可视化技术

　　由于互联网大数据产生速度较快，如果对大数据处理不够迅速或者是方法不正确，会对数据价值的发挥产生一定影响。因此，数据的实时挖掘是非常关键的，采取有效措施多层面进行数据处理能提高效率，不断完善和改进数据处理模式和数据算法，由此发挥数据信息的最大化利用价值。大数据可视化技术，即在大数据挖掘技术中引入计算机认知和融合的能力，由此展开对数据的分析和处理，最终提升数据分析和处理能力，为高效数据挖掘奠定基础。

　　(四)互联网大数据实时挖掘关键技术

　　在互联网数据中，庞大的数据量决定了其自身的复杂性，而这非常不利于用户的体验。以对无线网络的理解为基础，数据挖掘模块通过数据分析和数据挖掘来获得报表数据信息，并开放应用程序编程接口，所获得的数据信息有几种类型形式：即终端分析、用户分析、网元分析、网络分析、应用分析等等，以下分别进行概述：第一，终端分析，分析终端设备使用，最终获取性能指标，进而掌握数据的变化情况；第二，用户分析，即对用户数据进行比较分析，进而掌握用户资源使用情况；第三，网元分析，即分析网元对比和网元组对比等趋势，进而掌握RNC性能负载；第四，网络分析，即分析流量、会话等模块，由此获取网络性能关键绩效指标；第五，应用分析，即分析用户相关应用业务，进而获取用户累计分布情况或者用户时间变化；第六，QoS以及QoE分析，即通过分析QoS以及QoE指标，进而获取用户网络状况或者负荷等。

　　多媒体数据挖掘作为实时数据分析中的重要技术，主要有画像建立和视频推广两种模式，其中画像建立，即构建模型，包括了用户的相关数据资料，通过视频播放、注册、搜索等，应用用户画像的挖掘技术，对模型进行预测，之后对用户进行分析判断，以为数据使用者所服务。与此同时，视频推荐模式指的是通过与用户搜索行为进行结合，分析判断视频相关热度，以更精准地把握用户的相关信息，由此提供数据反馈，有利于对用户ID的识别，通过整理和筛选相关数据信息，为用户提供有针对性的服务和信息。与此同时，通过视频推荐或者用户画像，有助于为广告企业进行判断和定位，将广告投向有需求的人群，实行精准运营，提高运营质量，最终促进行业发展。

　　(五)互联网海量异构数据处理技术

　　互联网大背景下，产生了大量的数据，海量异构数据也因此产生.此类型的数据有着自身的特性，即庞大的数据量、超快的处理速度、较低的价值密度等，对数据的分析和处理都是以秒级时间计算的，海量异构数据处理时间与其价值形成反比，处理时间越短价值越高，反之价值越低。所以提高数据处理效率，要科学合理地对处理模块进行设计，其中要在数据处理系统中安装探测模块，以便于更好更快捷地处理相关问题。

　　从数据处理时间差异的角度，数据可分三种类型，即：在线、近线以及离线数据。流处理技术多用于对秒级信息的处理上，其采用的是Storm和Flume架构，在处理数据信息过程中进行传输，处理完毕后保存到数据库中，实时处理数据即可完成。在设计批量处理系统时，数据存储系统所采用的技术为HBASE，同时进行数据存储、资料管理、资料分析和资料计算。在处理冷数据时，所采用的技术为GlusterFS，该技术有着较低的管理费用成本。此外，在数据处理过程中，可通过Olap进行建模，并分析利用相关组件，最终提高处理效率。伴随着新科学技术的不断发展，将新技术应用到数据处理中，海量异构数据处理率也得到了提升，比如：中间数据的存放可以应用SPARK技术来实现，绘制图形数据库可以应用计算模型来实现等等。

　　四、结语

　　总而言之，互联网技术发展飞速，已经完全渗透到我们的生活中。在社交网络发展的过程中，相应的数据量也会逐渐增加，企业通过应用大数据分析技术，对数据进行深入挖掘，探寻数据内在的规律，同时将数据的隐藏模式进行显现，可以为企业的发展提供必要的数据支撑，同时根据用户需求为其提供个性化的服务。大数据分析对于各行业的发展都起着重要的作用，通过大数据挖掘技术，企业可以有效提升用户的体验感，增加客户黏度，提高信任度等。所以，基于互联网下分析大数据挖掘关键技术，是非常有必要的，对于社会经济建设将有重大贡献。