以下为blog主人的回复：

请参考北京大学自然语言学研究所主页（http://www.icl.pku.edu.cn/default_cn.asp）。

微软亚洲研究院-自然语言计算组（http://research.microsoft.com/asia/group/nlc/）

计算语言学和自然语言信息处理研究和应用综述（http://ling.cass.cn/yingyong/courses/nlpbase.htm）

以下为blog主人的回复：

现在和以后对数据挖掘人才的需求还是有一些的，不过由于数据挖掘是对数据的深层分析，所以一般除了要求深入了解数据挖掘技术之外，还要求对数据库（数据仓库）、行业业务、分析等方面的能力和经验。因此建议你熟悉数据库技术，同时有机会的话多参与一些实际项目，这样可以扩大你的择业范围。 

以下为blog主人的回复：

关于孤立点分析，我了解得很少。唯一做过的相关工作就是将其应用到数据质量检查中，根据历史趋势发现新的数据中是否存在异常。除此之外，孤立点分析应该在网络流量异常检测中应用得比较多。至于需要看哪些书，象《数据挖掘：概念与技术》等书中只有简单介绍，深入的内容建议你尝试一下Google的学术搜索http://scholar.google.com/schhp?hl=zh-CN和www.researchindex.org等等。

欢迎对这方面熟悉的同行给出宝贵意见，谢谢。

以下为blog主人的回复：

遗传算法我了解得很少，所以无法告诉你去看些什么书，只能给些投稿方面的建议。NDBC（全国数据库年会）接收的稿件主要分为两大类：研究报告类和技术报告类，前者侧重于科学研究（新的模型、新的思路、算法改进等），后者侧重于技术实现（结合具体的应用，一般需要有系统原型、应用效果等）。一般来说，前者比后者的学术价值更高些，稿件的质量也要求较高，所以需要比较长时间的研究和积累才可能做出来。

因此，如果你希望在没有前期准备的情况下，用50多天来完成论文，可行的方法是向技术报告类的方向靠拢。我建议你首先找到有价值的应用问题（比如商业或企业等方面对关联分析的应用），然后应用遗传算法和其它关联分析方法（比如Apriori算法）来进行分析，对不同算法的性能效果进行评估比较，总结各种算法的特点及适用范围。当然，如果能对算法做些有益的改进更好，可以让论文的学术性更强。最后，描述出应用了关联分析的结果能带来什么效益（比如对货架位置的调整、对客户的交叉销售等到）。

以上是论文的大致思路，但需注意的是，一定要有创新。如果仅仅是对算法的简单应用，则被录用的可能性很小。因为你的文章中的内容，在其他人的文章中都可以找到，那么你的文章就失去了存在的意义，也就不会被评委所接受。