目录 1.引言
2.数据挖掘语言的分类
2.1数据挖掘查询语言
2.2数据挖掘建模语言
2.3 通用数据挖掘语言
3.分析与评价
4总结 参考资料 [1][1] Jiawei Han, Yongjian Fu, Wei Wang, Krzysztof Koperski, Osmar Zaiane. “DMQL:A Data Mining Query Language for Relational Database”. VLDB’96
[2][2] Jiawei Han, Micheline Kamber. ”Data Mining: Concepts and Techniques” 97-116.Morgan Kaufmann Publishers. August 2000
[3][3] Robert Grossman, Stuart Bailey, Ashok Ramu, Balinder Malhi, Michael Cornelison, Philip Hallstrom, and Xiao Qin. “The Management and Mining of Multiple Predictive Models Using the Predictive Modeling Markup Language (PMML)”,AFCEA’99
[4][4] Microsoft Corporation. ”OLE DB for Data Mining Specification” Version 1.0. July 2000

随着网络技术的发展和计算机使用的日益广泛，电子化数据越来越多，人们正面临“数据丰富而知识贫乏”的问题。八十年代末兴起的数据挖掘（data mining）技术或数据库中的知识发现（knowledge discovery in database，KDD）技术为解决此问题开辟了一条道路。数据挖掘是在大量的数据中发现潜在的、有价值的模式和数据间关系（知识）的过程。经过十多年的工作 ，数据挖掘技术的研究与应用已取得了很大的成果，然而，我们还面临着许多问题：（1）各种数据挖掘问题及挖掘方法基于不同的模型和技术，彼此互相孤立，联系很少；（2）缺少简明精确的问题描述方法，挖掘的语义通常是由实现方法决定的；（3）数据挖掘系统仅提供孤立的知识发现功能，难于嵌入大型应用；（4）数据挖掘引擎与数据库系统是松散耦合，T.Imielinski 和 H.Mannila 称其为"文件挖掘(file mining)系统"，它没有提供应用独立的操作原语。 到目前为止，数据挖掘行业是高度分散的，公司和研究机构独立开发各自的数据挖掘系统和平台，没有形成开放性的标准；同时数据挖掘本身是一门多学科综合跨度非常大的技术，这两点是上述问题存在的根本原因。近年来数据挖掘语言的研究为解决上列问题，提出一个新的研究方向......