淺析基于數(shù)據(jù)挖掘的數(shù)字檔案信息管理研究

申請免費試用、咨詢電話：400-8352-114

　　論文關(guān)鍵詞：數(shù)字化　圖書管理　檔案化

　　論文摘要：隨著社會主義現(xiàn)代化的發(fā)展，計算機技術(shù)的進步，信息技術(shù)在社會發(fā)展的各個領(lǐng)域都扮演著極其重要的角色。信息化建設(shè)更是被我國列為經(jīng)濟社會發(fā)展的首要內(nèi)容。網(wǎng)頁檔案化管理包括文檔、文字翻譯轉(zhuǎn)換、圖片資料、聲像資料、多媒體遠程會議等。尤其是大學(xué)檔案館更側(cè)重教學(xué)與科研，網(wǎng)頁檔案化管理是必然的趨勢。

　　在信息化發(fā)展的今天，圖書館，特別是大學(xué)圖書館不僅要對信息進行簡單的數(shù)字轉(zhuǎn)換和管理，更要對新興事物網(wǎng)絡(luò)進行檔案化管理和歸檔，包括文檔、文字翻譯轉(zhuǎn)換、圖片資料、聲像資料、多媒體遠程會議等。所以網(wǎng)絡(luò)檔案化管理，成為當(dāng)今圖書管理的必然趨勢，這就必須對檔案化管理的技術(shù)和法律相關(guān)問題進行深入闡述和探討。
　　所謂數(shù)據(jù)挖掘(Data Mining)，就是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的但又是潛在有用的信息和知識的過程。這些數(shù)據(jù)可以是結(jié)構(gòu)化的，如關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)，也可以是半結(jié)構(gòu)化的，如文本，圖形，圖像數(shù)據(jù)，甚至是分布在網(wǎng)絡(luò)上的異構(gòu)型數(shù)據(jù)。發(fā)現(xiàn)知識的方法可以是數(shù)學(xué)的，也可以是非數(shù)學(xué)的；可以是演繹的，也可以是歸納的。發(fā)現(xiàn)了的知識可以被用于信息管理、查詢優(yōu)化、決策支持、過程控制等，還可以進行數(shù)據(jù)自身的維護。數(shù)據(jù)挖掘借助了多年來數(shù)理統(tǒng)計技術(shù)和人工智能以及知識工程等領(lǐng)域的研究成果構(gòu)建自己的理論體系，是涉及數(shù)據(jù)庫、人工智能、數(shù)理統(tǒng)計、機械學(xué)、人工神經(jīng)網(wǎng)絡(luò)、可視化、并行計算等的交叉學(xué)科，是目前國際上數(shù)據(jù)庫和決策支持領(lǐng)域的最前沿的研究方向之一。
　　一、數(shù)據(jù)挖掘的功能
　　數(shù)據(jù)挖掘通過預(yù)測未來趨勢及行為，做出預(yù)測性的、基于知識的決策。數(shù)據(jù)挖掘的目標(biāo)是從數(shù)據(jù)庫中發(fā)現(xiàn)隱含的、有意義的知識，按其功能可分為以下幾類。
　　1、關(guān)聯(lián)分析
　　關(guān)聯(lián)分析能尋找到數(shù)據(jù)庫中大量數(shù)據(jù)的相關(guān)聯(lián)系，常用的一種技術(shù)為關(guān)聯(lián)規(guī)則和序列模式。關(guān)聯(lián)規(guī)則是發(fā)現(xiàn)一個事物與其他事物間的相互關(guān)聯(lián)性或相互依賴性。
　　2、聚類
　　輸入的數(shù)據(jù)并無任何類型標(biāo)記，聚類就是按一定的規(guī)則將數(shù)據(jù)劃分為合理的集合，即將對象分組為多個類或簇，使得在同一個簇中的對象之間具有較高的相似度，而在不同簇中的對象差別很大。聚類增強了人們對客觀現(xiàn)實的認識，是概念描述和偏差分析的先決條件。聚類技術(shù)主要包括傳統(tǒng)的模式識別方法和數(shù)學(xué)分類學(xué)。
　　3、自動預(yù)測趨勢和行為
　　數(shù)據(jù)挖掘自動在大型數(shù)據(jù)庫中進行分類和預(yù)測，尋找預(yù)測性信息，自動地提出描述重要數(shù)據(jù)類的模型或預(yù)測未來的數(shù)據(jù)趨勢，這樣以往需要進行大量手工分析的問題如今可以迅速直接由數(shù)據(jù)本身得出結(jié)論。
　　4、概念描述
　　對于數(shù)據(jù)庫中龐雜的數(shù)據(jù)，人們期望以簡潔的描述形式來描述匯集的數(shù)據(jù)集。概念描述就是對某類對象的內(nèi)涵進行描述并概括出這類對象的有關(guān)特征。概念描述分為特征性描述和區(qū)別性描述，前者描述某類對象的共同特征，后者描述不同類對象之間的區(qū)別。生成一個類的特征性只涉及該類對象中所有對象的共性。生成區(qū)別性描述的方法很多，如決策樹方法、遺傳算法等。
　　5、偏差檢測
　　數(shù)據(jù)庫中的數(shù)據(jù)常有一些異常記錄，從數(shù)據(jù)庫中檢測這些偏差很有意義。偏差包括很多潛在的知識，如分類中的反常實例、不滿足規(guī)則的特例、觀測結(jié)果與模型預(yù)測值的偏差、量值隨時間的變化等。偏差檢測的基本方法是尋找觀測結(jié)果與參照值之間有意義的差別。這常用于金融銀行業(yè)中檢測欺詐行為，或市場分析中分析特殊消費者的消費習(xí)慣。
　　二、數(shù)據(jù)挖掘在建設(shè)現(xiàn)代化高校檔案館中的應(yīng)用
　　1、資源類數(shù)據(jù)包括館藏檔案經(jīng)過數(shù)字化加工而產(chǎn)生的各類電子檔案、電子文件中心中存儲的各類電子檔案、檔案軟件收集的信息、檔案信息網(wǎng)建設(shè)和維護信息。我們從研究大學(xué)檔案用戶的信息需求出發(fā)，數(shù)據(jù)挖掘為大學(xué)檔案館全面掌握和準(zhǔn)確理解檔案用戶的信息需求提供了方法。
　　(1) 利用Web訪問信息挖掘技術(shù)發(fā)現(xiàn)其中的關(guān)聯(lián)模式、序列模式和Web訪問趨勢等，構(gòu)建多維視圖的用戶興趣模型。從而可以確定檔案信息或服務(wù)受歡迎的程度，發(fā)現(xiàn)用戶訪問模式和用戶需求的趨勢，從不同側(cè)面來研究用戶的信息需求，為優(yōu)化檔案館的檔案信息資源建設(shè)提供了科學(xué)依據(jù)。
　　(2) 收集大學(xué)檔案網(wǎng)web服務(wù)器保留的用戶注冊信息、訪問記錄，以及有關(guān)用戶與系統(tǒng)交互的信息等原始數(shù)據(jù)，經(jīng)過清洗、濃縮和轉(zhuǎn)換形成便于統(tǒng)計分析的用戶查閱數(shù)據(jù)庫、日志數(shù)據(jù)庫、用戶定制信息庫、用戶反饋信息等各種數(shù)據(jù)集合。