淺談新時期數據挖掘的運用

摘要：隨著計算機技術在新時代的發展，數據挖掘運用也越來越多，除了在銀行金融、生物醫學、電子商務等商業科研領域。在新時期，數據挖掘在公共管理領域也得到了進一步的運用。

關鍵詞：數據挖掘;新時期;運用

中圖分類號：G642? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）25-0001-02

1 數據挖掘概述

1.1? 數據挖掘定義

數據挖掘（Data Mining，簡稱DM）是從不完整、大量有噪聲的數據中提取出有意義的模式知識的過程[1]，挖掘分析的對象主要有數據庫或數據倉庫內容以及其它多種數據源。主要涉及統計學、計算機科學、高性能計算等眾多學科，而分析是一個包含多步驟知識發現的過程[2]，主要如圖1所示[3]。

1.2數據挖掘內涵

數據挖掘是提取隱藏在數據集中的知識和信息，這些知識和信息尚未完全探索，雖然事先未知，但具有許多有用的知識，通過挖掘分析將其表示成最終能被人容易理解知識[4]。它不但能夠從大量隨機、有噪聲、不完全的數據中學習已有的知識，而且能夠發現未知的信息，所得到的知識既能容易理解，又便于應用、存儲，這些知識可以在管理信息、決策支持、預測趨勢、過程控制等許多領域發揮作用[5]。

2 商業及科研領域

數據挖掘研究具有廣泛的應用領域，主要在金融領域、生物醫學、電子商務中具有廣泛的運用。

2.1數據挖掘在金融領域中的應用

在數據挖掘技術發展的早期，它已經應用于金融市場。早期在金融市場的運用主要是分析特定對象的演變或發展趨勢，進而采取相應預防措施，突出的應用在信用評估和防止欺詐。較早前，Robert Groth等運用Neural network對進行股票走勢預測[6]，輔助客戶制定穩健的投資策略。但隨著互聯網、第三方支付的發展與沖擊，非銀行金融機構借助網絡對銀行傳統業務大規模“蠶食”，對銀行產生了較大沖擊，網絡信貸開始嶄露頭角，數據挖掘也開始在網絡金融借貸方面。陳等[7]以Weka為工具，運用數據挖掘對P2P網絡金融平臺借貸歷史挖掘分析，使用Weka已有的算法及數據模型，參考借出總金額、時間、總次數指標，以聚類結果為導向，將出款人分為8種類型。以類型判斷出款人的潛在價值，為管理者提供參考導向。而對于傳統銀行業，也在積極運用數據挖掘來提升其在存、貸、匯等傳統業務的優勢地位，進一步鞏固開拓市場。

2.2數據挖掘在生物醫學中的應用

數據挖掘在生物醫學領域也有著廣泛的應用。Vysis 采用Neural network為藥品開發進行蛋白質分析[6]。在之前的研究中，數據挖掘主要是分析生物序列，試圖找出某種未知的規律。隨著深度學習的發展，數據挖掘在生物醫學上也出現了新的研究應用。可以通過對已有的疾病數據運用數據挖掘學習，實現對患者疾病分類，間接對醫生輔助診斷。張[8]等針對已有疾病數據的不均衡、多標記等特點，進行了不均衡、多標記分類研究，提高了相應的分類預測指標。洪等[9]結合目前深度學習在生物醫學數據的最新應用情況，運用循環神經網絡、卷積神經網絡等深度學習模型，數據預處理、模型構建等方面的解決方法的分析，指出了深度學習在生物醫學數據的發展前景。

2.3電子商務領域的運用

電子商務領域數據挖掘也有著較多的運用。隨著新時期大數據的發展，通過分析交易平臺歷史交易數據，可挖掘出購物者在商品類型的偏好，對其實現精準推薦。同時，它可以協助電商平臺運營，調整平臺的銷售策略和商品，進一步為消費者提供個性化服務。李等[10]在Spark平臺基礎上，改進了協同過濾（Item-CF）算法商品推薦系統（此算法基于新物品），并將其應用在公開的MovieLens數據集上測試。結果表明，該系統提高了相應的推薦指標并且降低時間復雜度。沈等[11]基于隨機森林，設計了一個關于帖子瀏覽的推薦系統。該系統在數據處理、特征選擇和調整參數等前期基礎上，將實際問題與分類模型結合，形成新的新的分類模型，對用戶推薦感興趣的帖子，而且還對用戶瀏覽后是否會產生交互行為進行了預測。通過提高推薦精確度等相應技術指標，數據挖掘在電商得到進一步深入。

3公共管理領域的運用

數據挖掘除了在上述商業科研領域發揮著作用外，也開始在電子政務領域、政府決策領域、數字經濟等公共管理領域開始發揮著重要作用。

3.1 電子政務領域

電子政務的核心建立在是以互聯網為基礎的將政府管理和服務，建設以群眾滿意為導向的政府服務體系[12]。雖然政府部門多年來積累了大量豐富的數據，但是數據利用的頻率和效率都很低，而數據挖掘可以解決這個問題。利用數據挖掘分析，“挖掘”和“提煉”政府部門的數據，使政府能夠有效地安排和指導政府服務。通過數據挖掘分析群眾在辦事過程中遇到的難點、賭點，有針對性地推出相應的政策，制定便民的服務流程、制度，讓“沉睡”的數據發揮更大的作用。讓政務服務更具有針對性、滿足更加個性化需求，這就是新時期電子政務的發展方向[13]。

3.2 政府決策領域

政府決策是公共管理中非常重要的組成部分，要充分滿足群眾在社會各項公共服務需求，體現人性化色彩，必須全面地了解社會公共服務的各方面數據，深入地進行分析、匯總從而制定相應的決策。然而，社會服務涉及廣泛的數據，并且相應的數據量很大。通過數據挖掘分析處理這些已有的社會服務數據，從中挖掘出決策者想要的信息，有利于決策者更加科學、合理、有針對性的決策。利用基于數據挖掘的決策咨詢系統，使政府能夠更加有效掌握經濟和社會運行的具體情況，使決策更加科學。

孫等[14]采用5層架構，通過全面的數據采集、建立決策數據倉庫、采用適合數據挖掘算法，并根據用戶需要對數據進行主題分類，在結果上采用直觀的、可視化和支持查詢的顯示呈現。給用戶提供了更加方便、更加具有針對性的決策體驗。楊等[15]以數據倉庫為基礎，運用聯機分析處理（OLAP）和數據挖掘，建設了政府經濟決策系統，實現了對政府經濟決策實現了有效的支持。

3.3數據挖掘在數字經濟中的應用

數字經濟是以數字資源為基礎，數字技術和信息技術是其重要的驅動力，通過信息網絡的連接形成了生產和消費等經濟活動的總和。當前，隨著新技術的發展，通過智能手機不僅可以完成看病掛號、繳付水電費等一般事務，而且還可以參與舉報違法、糾正不實消息，報告重大險情、交通事故等，數字經濟越來越多地用于民生領域。數據挖掘是數字經濟智能化“引擎”，為數字經濟的下一步發展提供了重要支持。

4結語

數據挖掘計算機領域中熱門的研究領域之一，同時也是一個隨著時代發展而不斷發展的學科，在未來的領域中，會有著更加廣泛的運用。本文主要從應用方面總結和闡述了當前數據挖掘運用的主要方向。在新時期，隨著大數據等技術發展，數據挖掘的運用領域也會越來越廣。

參考文獻：

[1]王光宏， 蔣平. 數據挖掘綜述[J]. 同濟大學學報， 2004， 32（2）： 246-252.

[2]葉磊， 駱興國， 李建喜. 數據挖掘的應用和發展趨勢葉磊[J]. 電腦知識與技術， 2006（32）： 26-27.

[3]Han J， Kamber M. Data Mining ： Concepts and Technique[M]. 2005.

[4]Zaki M J， Yu J X， Ravindran B， et al. Advances in Knowledge Discovery and Data Mining[J]， 2013， 5476（4）： xviii.

[5]劉力揚. 數據挖掘與數據庫知識發現[J]. 河南廣播電視大學學報， 2000（3）： 42-43.

[6]滕廣青， 毛英爽. 國外數據挖掘應用研究與發展分析[J]. 統計研究， 2005， 22（12）： 68-70.

[7]陳雪改， 王飛. 基于P2P互聯網金融的數據挖掘技術研究[J]. 重慶理工大學學報， 2017， 31（7）： 151-155.

[8]潘主強， 張林， 顏仕星， et al. 中醫臨床數據疾病分類機器學習方法研究[J]. 計算機工程與應用， 2017， 53（13）： 146-154.

[9]洪浩， 伯曉晨， 醫學信息學雜志 李 J. 深度學習在生物醫學數據中的應用[J]， 2018， 39（3）： 2-9.

[10]李星， 李濤. 基于Spark的推薦系統的設計與實現[J]. 計算機技術與發展， 2018， 28（10）： 201-205.

[11]沈晶磊， 虞慧群， 范貴生， et al. 基于隨機森林算法的推薦系統的設計與實現[J]. 計算機科學， 2017， 44（11）： 164-167.

[12]劉典文. 數據挖掘技術在公共管理領域的應用[J]. 行政論壇， 2010， 17（2）： 42-46.

[13]周民， 賈一葦. 推進“互聯網+政務服務”，創新政府服務與管理模式[J]. 電子政務， 2016（6）： 73-79.

[14]孫道遠. 基于數據挖掘技術的政府決策咨詢系統的研究與設計[J]. 長春工程學院學報， 2017， 18（4）.

[15]楊越. 數據挖掘在政府部門決策管理系統中的數據與應用[D]. 解放軍信息工程大學， 2012.

【通聯編輯：王力】