基于布爾關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù)在數(shù)字檔案館應(yīng)用研究

劉大寧

1 引言

在信息社會(huì)的大背景下，檔案館社會(huì)化也將隨之而發(fā)展，數(shù)字檔案館訪問(wèn)者將具有來(lái)源廣泛性、背景多樣性的特征，信息需求的個(gè)性化發(fā)展也會(huì)隨之而增強(qiáng)，數(shù)據(jù)挖掘?qū)?huì)成為檔案工作者全面掌握和準(zhǔn)確理解檔案用戶的信息需求和心理行為最為便捷的方式。關(guān)聯(lián)規(guī)則作為數(shù)據(jù)挖掘的主要技術(shù)之一，也是在無(wú)指導(dǎo)學(xué)習(xí)系統(tǒng)中挖掘本地模式的最普遍形式。可使我們獲得一些存在于數(shù)據(jù)庫(kù)中的關(guān)聯(lián)模式，為數(shù)字檔案館的建設(shè)提供科學(xué)依據(jù)。來(lái)檔案館查資料的人有不同目的，當(dāng)?shù)谝淮瓮ㄟ^(guò)數(shù)字檔案館閱覽時(shí)，可使用關(guān)聯(lián)規(guī)則由其注冊(cè)信息將他劃分為相關(guān)聯(lián)的用戶群。使用登錄賬號(hào)登錄數(shù)據(jù)庫(kù)閱覽時(shí)，數(shù)字檔案館數(shù)據(jù)庫(kù)已根據(jù)其個(gè)人關(guān)聯(lián)進(jìn)行相對(duì)應(yīng)檢索，顯現(xiàn)在用戶面前網(wǎng)頁(yè)就有可能是其最需要的資料，從而減少訪問(wèn)者檢索所需時(shí)間。即是根據(jù)各位訪問(wèn)者經(jīng)常使用的信息進(jìn)行一定的關(guān)聯(lián)分析，就可整理出數(shù)據(jù)庫(kù)中不同種類用戶群。

2 數(shù)據(jù)挖掘技術(shù)流程

2.1 確定對(duì)象。明確給出服務(wù)對(duì)象的業(yè)務(wù)需求，認(rèn)清進(jìn)行數(shù)據(jù)挖掘達(dá)到的目的是數(shù)據(jù)挖掘的重要一步，進(jìn)行挖掘技術(shù)的最后結(jié)果是不可預(yù)知的，但要探索的問(wèn)題卻是可以預(yù)見(jiàn)的，為了數(shù)據(jù)挖掘而進(jìn)行數(shù)據(jù)挖掘則帶有一定的盲目性，成功率必然偏低。

2.2 前期準(zhǔn)備。一是數(shù)據(jù)的選擇：搜索數(shù)據(jù)庫(kù)中與業(yè)務(wù)對(duì)象有關(guān)的各種數(shù)據(jù)信息，并從中挑選出適用于開(kāi)展數(shù)據(jù)挖掘應(yīng)用的數(shù)據(jù)。二是數(shù)據(jù)的預(yù)處理：通過(guò)研究數(shù)據(jù)的質(zhì)量，為下一步的數(shù)據(jù)分析做準(zhǔn)備，并選定將要進(jìn)行的數(shù)據(jù)挖掘操作類型。三是數(shù)據(jù)轉(zhuǎn)換：將搜集的數(shù)據(jù)轉(zhuǎn)換成一個(gè)分析模型，是針對(duì)采用的挖掘算法而建立的。而建立一個(gè)真正與挖掘算法匹配的分析模型則是進(jìn)行數(shù)據(jù)挖掘成功的重要環(huán)節(jié)。

2.3 開(kāi)始挖掘。對(duì)前期經(jīng)過(guò)篩選所得并經(jīng)過(guò)轉(zhuǎn)換的數(shù)據(jù)進(jìn)行挖掘。在選擇合適的挖掘算法后，剩下的所有工作都能自動(dòng)地完成。

2.4 挖掘分析。對(duì)挖掘結(jié)果進(jìn)行解釋并作出評(píng)估，在此過(guò)程中使用的分析方法應(yīng)根據(jù)數(shù)據(jù)挖掘操作而定，一般采用可視化技術(shù)。

2.5 進(jìn)行知識(shí)同化。將挖掘結(jié)果分析所得到知識(shí)進(jìn)行集成，并以此建立完善業(yè)務(wù)信息系統(tǒng)的組織結(jié)構(gòu)。

3 基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘方法

關(guān)聯(lián)分析（Association analysis）就是通過(guò)對(duì)數(shù)據(jù)庫(kù)中的各數(shù)據(jù)項(xiàng)之間存在的相關(guān)特性按照一定規(guī)則進(jìn)行比對(duì)分析，尋找出隱藏在數(shù)據(jù)項(xiàng)之間的相互聯(lián)系，如果數(shù)據(jù)庫(kù)中有兩項(xiàng)或以上數(shù)據(jù)存在著某種聯(lián)系，就能根據(jù)這種聯(lián)系通過(guò)其相關(guān)聯(lián)數(shù)據(jù)對(duì)某一數(shù)據(jù)

進(jìn)行預(yù)測(cè)。關(guān)聯(lián)分析就能通過(guò)訪問(wèn)用戶查閱各種檔案信息間存在的關(guān)聯(lián)性，進(jìn)而分析發(fā)現(xiàn)用戶使用模式。關(guān)聯(lián)規(guī)則分析就是通過(guò)尋找數(shù)據(jù)庫(kù)中數(shù)據(jù)之間相關(guān)性。如果兩項(xiàng)或以上屬性之間存在有此關(guān)聯(lián)性的話，通過(guò)這種方式就可依據(jù)其他屬性值預(yù)測(cè)其中某項(xiàng)的屬性值。即通過(guò)數(shù)據(jù)挖掘技術(shù)就可找出數(shù)據(jù)庫(kù)中藏匿的關(guān)聯(lián)網(wǎng)，進(jìn)而對(duì)下一步的決策提供指導(dǎo)。

一方面，對(duì)原有的檔案數(shù)據(jù)庫(kù)中的顯性知識(shí)和隱性知識(shí)進(jìn)行搜集和整理，根據(jù)其概念描述歸納出便于提取的相關(guān)特征，通過(guò)基于布爾關(guān)聯(lián)規(guī)則的分析，按照相似性與差異性構(gòu)建不同的需求分析模型，然后利用Apriori算法進(jìn)行迭代分析，將數(shù)據(jù)放入不同的分類中，便于提取。另一方面，要對(duì)用戶確定的主題進(jìn)行定義，明確挖掘要求和目的。通過(guò)需求分析模型與用戶指定信息進(jìn)行結(jié)合，進(jìn)行差異分析和偏差檢測(cè)，排除其他不相關(guān)數(shù)據(jù)，得到挖掘結(jié)果。最后要對(duì)挖掘結(jié)果開(kāi)展評(píng)價(jià)，得到的挖掘結(jié)果可能有沒(méi)有關(guān)聯(lián)的數(shù)據(jù)，也可能沒(méi)有達(dá)到需求，如果出現(xiàn)這種情況，整個(gè)數(shù)據(jù)挖掘過(guò)程就要返回到數(shù)據(jù)收集階段，并重新開(kāi)始挖掘過(guò)程，這可以用“if not…then”規(guī)則來(lái)描述，反之即滿足數(shù)據(jù)挖掘要求，可為數(shù)字檔案館所用，并就將其充實(shí)到原有數(shù)據(jù)庫(kù)中，進(jìn)行檔案館知識(shí)創(chuàng)新。

4 存在問(wèn)題及對(duì)策

基于布爾關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù)使數(shù)字檔案館從理論走向?qū)嵺`成為可能，它主要提供技術(shù)支撐，而數(shù)據(jù)挖掘的基礎(chǔ)是對(duì)各種數(shù)據(jù)的識(shí)別，也就是針對(duì)不同的數(shù)據(jù)庫(kù)都要能夠識(shí)別，就需要數(shù)據(jù)標(biāo)準(zhǔn)統(tǒng)一起來(lái)。當(dāng)前我國(guó)檔案信息化工作在標(biāo)準(zhǔn)體系建設(shè)方面相對(duì)延后，各種檔案管理軟件與檔案信息管理平臺(tái)尤其是檔案信息元數(shù)據(jù)、檔案數(shù)據(jù)庫(kù)結(jié)構(gòu)存在著無(wú)法兼容的情況，并且數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)多樣，無(wú)法滿足數(shù)據(jù)挖掘所需要的高質(zhì)量數(shù)據(jù)庫(kù)要求。需要對(duì)檔案信息整理統(tǒng)一標(biāo)準(zhǔn)體系，按照標(biāo)準(zhǔn)清理優(yōu)化數(shù)據(jù)，完善數(shù)據(jù)庫(kù)結(jié)構(gòu)。需要借鑒數(shù)據(jù)挖掘在其他行業(yè)取得的成功做法，在數(shù)字檔案館建設(shè)中擴(kuò)大數(shù)據(jù)挖掘在各個(gè)環(huán)節(jié)的應(yīng)用，進(jìn)一步推動(dòng)數(shù)字檔案館建設(shè)和發(fā)展。數(shù)據(jù)挖掘技術(shù)的精度仍需提高，即如何使得迭代算法能夠在進(jìn)行關(guān)聯(lián)規(guī)則分析時(shí)穩(wěn)定收斂是仍需要進(jìn)一步深入探討的問(wèn)題，建議采用數(shù)理分析方法，提出一種基于參數(shù)的優(yōu)化模型，以此進(jìn)一步優(yōu)化提高算法性能。

*本文為2013年河南省檔案局科技項(xiàng)目，編號(hào)：13-X-18

（作者單位：河南牧業(yè)經(jīng)濟(jì)學(xué)院人文與社會(huì)科學(xué)系 來(lái)稿日期：2014-06-16）