及非标准的数据类型等问题。
　　5）J.Hah博士没有针对个别的数据挖掘系统具体评价，但他认为评价一个数据挖掘系统应包括如下几个方面[5]：数据类型、系统问题、数据源、数据控制的功能与方法、数据挖掘系统和数据库或数据仓库系统的结合、可伸缩性、可视化工具、数据挖掘查询语言和图形用户接口。
　　6）A.Berson等认为数据挖掘软件产品因为不同的目标用户和不同类型的解决问题而具有不同的重点[6]。主要可以分为目标解决方案、商业工具、商业分析工具、研究分析工具4类。另外，从目前整个数据挖掘市场看也可以分成3个主要组成部分：通用的工具、综合DSS/OLAP/数据挖掘工具和快速成长的面向特定应用的工具。他们还进一步提供了一套专门用于数据挖掘工具评价的属性和方法，对11种具体的工具进行了评价，其中包括Clementine、Intelligent  Miner等著名的工具。
　　从国内来看，数据挖掘系统的评价研究不如国外活跃，这与数据挖掘系统在国内的应用仍处于初步阶段有直接关系。目前这方面的研究状况如下。
　　朱爱群提出了一种高级记分卡系统[7]，采用该记分系统有助于商业用户更好地比较不同的数据挖掘技术，并以此作出正确的选择。该系统共有3种不同的记分卡：商业记分卡、算法记分卡、应用记分卡。
　　从上述文献的调查看，国内外数据挖掘系统评价普遍具有的特点是：
　　1）重视系统算法能力的评价。在7个调查对象中，其中6个都明确采用了算法评价指标，特别是J.F.Elder、D.W.Abbott、朱爱群等人，对算法指标的分析尤为细致。
　　2）突出或者具有从商业能力角度的评价。朱爱群和A.Berson都明确提出采用商业能力指标，而其他研究者提供的从用户端角度对系统易用性的评价实际上可以作为系统商业能力评价的一部分。
　　3）缺少对数据挖掘流程的评价。数据准备、数据预处理、数据建模、模型评估、模型应用等一系列步骤是几乎每个数据挖掘系统所必须经历的，往往各种系统在每个阶段表现的能力各有不同，因此有必要对过程中的每个阶段进行评价。
　　4）缺少从应用能力角度的评价。从所有的调查对象中看，仅有国内的一个评价提到了应用评价，而且其具体的指标并不是直接针对如保险业、零售业、电子商务等实际应用领域的。
　　由此可见，本文所要进行的网络信息挖掘系统的评价应当积极吸取已有数据挖掘系统评价的优点，同时结合网络信息挖掘的特点来弥补评价中的不足。
　　　　　　2　评价系统的选择
　　由于目前许多数据挖掘系统也同时提供网络信息挖掘功能，因此本文所要评价的网络信息挖掘系统，一方面从一些著名的数据挖掘系统中选择，一方面将参考KD-nuggets上有关网络信息挖掘软件的最新统计报道。
　　从文献调查看[8]，Int
elligent  Miner、Enterprise  Miner、  MineSet、Clementine、Darwin、Scenario等被超过50％的团体或个人选用作为数据挖掘评价系统。
　　从KDNuggets2001对数据挖掘工具利用情况的调查看，位于前5位的工具依次为：Clementine（18％）、SPSS/An-swerTree（16％）、SAS（12％）、CART/MARS（11％）、  SASEM（6％）。
　　通过进一步调查KDnuggets关于网络信息挖掘的报道[9]，可以发现它所提供的19种网络信息挖掘软件工具是目前这个领域比较全面和权威的。因此，本文决定对这19种网络信息挖掘软件工具展开调查（见表1）。
　　表1　商业能力评价（产品成熟度和提供商实力）
　　附图
　　注：采用7分制评分，各个数字代表的含义分别是：1—优秀；2—好；3—一般；4—还可以；5—较差；6—没有；7—有，但无法评价。
　　从上述调查可以发现，比较熟悉的数据挖掘系统的提供商诸如SPSS公司、SAS公司在网络信息挖掘市场上仍然比