数据挖掘数字档案信息管理论文.docVIP

数据挖掘数字档案信息管理论文 摘要：管理网络的公共政策制定主体是政府部门，推行电子政务，开发网络资源，促进从文字印刷向网络出版的转移是当前相关政府部门的重要任务。相关的政策、态度和措施对数字图书馆的发展至关重要。市场手段和政策平衡是网络档案馆建设，网络档案库运行，网上内容传递和保存应该和必须考虑的。 在信息化发展的今天，档案管理不仅要对信息进行简单的数字转换和管理，更要对新兴事物网络进行档案化管理和归档，包括文档、文字翻译转换、图片资料、声像资料、多媒体远程会议等。所以网络档案化管理，成为当今档案管理的必然趋势，这就必须对档案化管理的技术和法律相关问题进行深入阐述和探讨。 所谓数据挖掘（Data Mining），就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。这些数据可以是结构化的，如关系数据库中的数据，也可以是半结构化的，如文本，图形，图像数据，甚至是分布在网络上的异构型数据。发现知识的方法可以是数学的，也可以是非数学的；可以是演绎的，也可以是归纳的。发现了的知识可以被用于信息管理、查询优化、决策支持、过程控制等，还可以进行数据自身的维护。数据挖掘借助了多年来数理统计技术和人工智能以及知识工程等领域的研究成果构建自己的理论体系，是涉及数据库、人工智能、数理统计、机械学、人工神经网络、可视化、并行计算等的交叉学科，是目前国际上数据库和决策支持领域的最前沿的研究方向之一。 1 数据挖掘之功能 数据挖掘通过预测未来趋势及行为，做出预测性的、基于知识的决策。数据挖掘的目标是从数据库中发现隐含的、有意义的知识，按其功能可分为以下几类。 1.1 关联分析 关联分析能寻找到数据库中大量数据的相关联系，常用的一种技术为关联规则和序列模式。关联规则是发现一个事物与其他事物间的相互关联性或相互依赖性。 1.2 聚类 输入的数据并无任何类型标记，聚类就是按一定的规则将数据划分为合理的集合，即将对象分组为多个类或簇，使得在同一个簇中的对象之间具有较高的相似度???而在不同簇中的对象差别很大。聚类增强了人们对客观现实的认识，是概念描述和偏差分析的先决条件。聚类技术主要包括传统的模式识别方法和数学分类学。 1.3 自动预测趋势和行为 数据挖掘自动在大型数据库中进行分类和预测，寻找预测性信息，自动地提出描述重要数据类的模型或预测未来的数据趋势，这样以往需要进行大量手工分析的问题如今可以迅速直接由数据本身得出结论。 1.4 概念描述 对于数据库中庞杂的数据，人们期望以简洁的描述形式来描述汇集的数据集。概念描述就是对某类对象的内涵进行描述并概括出这类对象的有关特征。概念描述分为特征性描述和区别性描述，前者描述某类对象的共同特征，后者描述不同类对象之间的区别。生成一个类的特征性只涉及该类对象中所有对象的共性。生成区别性描述的方法很多，如决策树方法、遗传算法等。 1.5 偏差检测 数据库中的数据常有一些异常记录，从数据库中检测这些偏差很有意义。偏差包括很多潜在的知识，如分类中的反常实例、不满足规则的特例、观测结果与模型预测值的偏差、量值随时间的变化等。偏差检测的基本方法是寻找观测结果与参照值之间有意义的差别。这常用于金融银行业中检测欺诈行为，或市场分析中分析特殊消费者的消费习惯。 2 数据挖掘在建设现代化档案馆中的应用 2.1 资源类数据包括馆藏档案经过数字化加工而产生的各类电子档案、电子文件中心中存储的各类电子档案、档案软件收集的信息、档案信息网建设和维护信息。我们从研究档案用户的信息需求出发，数据挖掘为档案馆全面掌握和准确理解档案用户的信息需求提供了方法。 （1） 利用Web访问信息挖掘技术发现其中的关联模式、序列模式和Web访问趋势等，构建多维视图的用户兴趣模型。从而可以确定档案信息或服务受欢迎的程度，发现用户访问模式和用户需求的趋势，从不同侧面来研究用户的信息需求，为优化档案馆的档案信息资源建设提供了科学依据。 （2） 收集档案网web服务器保留的用户注册信息、访问记录，以及有关用户与系统交互的信息等原始数据，经过清洗、浓缩和转换形成便于统计分析的用戶查阅数据库、日志数据库、用户定制信息库、用户反馈信息等各种数据集合。 2.2 从建设档案馆馆藏信息资源出发，数据挖掘为档案馆提供了选择一条科学发展道路的重要依据。 （1） 利用档案网和档案管理软件访问信息的挖掘分析出档案资源的利用率，将利用率高、需求量大的传统载体档案优先数字化。例如：通过对档案信息的访问记录、检索请求中用户请求失败的数据进行分析，按类统计档案拒用集和频繁利用集，结合聚集算法发现馆藏资源的缺漏，有针对性地补充和丰富档案信息资源。 （2） 在档案馆藏管理过程中利用文本挖掘，运用关联、分类、聚类等方法，从海量档案信息中按