劉大寧

1 引言

在信息社會的大背景下，檔案館社會化也將隨之而發(fā)展，數(shù)字檔案館訪問者將具有來源廣泛性、背景多樣性的特征，信息需求的個性化發(fā)展也會隨之而增強，數(shù)據(jù)挖掘?qū)蔀闄n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)。來檔案館查資料的人有不同目的，當(dāng)?shù)谝淮瓮ㄟ^數(shù)字檔案館閱覽時，可使用關(guān)聯(lián)規(guī)則由其注冊信息將他劃分為相關(guān)聯(lián)的用戶群。使用登錄賬號登錄數(shù)據(jù)庫閱覽時，數(shù)字檔案館數(shù)據(jù)庫已根據(jù)其個人關(guān)聯(lián)進(jìn)行相對應(yīng)檢索，顯現(xiàn)在用戶面前網(wǎng)頁就有可能是其最需要的資料，從而減少訪問者檢索所需時間。即是根據(jù)各位訪問者經(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 確定對象。明確給出服務(wù)對象的業(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，但要探索的問題卻是可以預(yù)見的，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)庫中與業(yè)務(wù)對象有關(guān)的各種數(shù)據(jù)信息，并從中挑選出適用于開展數(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)換成一個分析模型，是針對采用的挖掘算法而建立的。而建立一個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 開始挖掘。對前期經(jīng)過篩選所得并經(jīng)過轉(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地完成。

2.4 挖掘分析。對挖掘結(jié)果進(jìn)行解釋并作出評估，在此過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)行知識同化。將挖掘結(jié)果分析所得到知識進(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）就是通過對數(shù)據(jù)庫中的各數(shù)據(jù)項之間存在的相關(guān)特性按照一定規(guī)則進(jìn)行比對分析，尋找出隱藏在數(shù)據(jù)項之間的相互聯(lián)系，如果數(shù)據(jù)庫中有兩項或以上數(shù)據(jù)存在著某種聯(lián)系，就能根據(jù)這種聯(lián)系通過其相關(guān)聯(lián)數(shù)據(jù)對某一數(shù)據(jù)

進(jìn)行預(yù)測。關(guān)聯(lián)分析就能通過訪問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)則分析就是通過尋找數(shù)據(jù)庫中數(shù)據(jù)之間相關(guān)性。如果兩項或以上屬性之間存在有此關(guān)聯(lián)性的話，通過這種方式就可依據(jù)其他屬性值預(yù)測其中某項的屬性值。即通過數(shù)據(jù)挖掘技術(shù)就可找出數(shù)據(jù)庫中藏匿的關(guān)聯(lián)網(wǎng)，進(jìn)而對下一步的決策提供指導(dǎo)。

一方面，對原有的檔案數(shù)據(jù)庫中的顯性知識和隱性知識進(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，要對用戶確定的主題進(jìn)行定義，明確挖掘要求和目的。通過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，排除其他不相關(guān)數(shù)據(jù)，得到挖掘結(jié)果。最后要對挖掘結(jié)果開展評價，得到的挖掘結(jié)果可能有沒有關(guān)聯(lián)的數(shù)據(jù)，也可能沒有達(dá)到需求，如果出現(xiàn)這種情況，整個數(shù)據(jù)挖掘過程就要返回到數(shù)據(jù)收集階段，并重新開始挖掘過程，這可以用“if not…then”規(guī)則來描述，反之即滿足數(shù)據(jù)挖掘要求，可為數(shù)字檔案館所用，并就將其充實到原有數(shù)據(jù)庫中，進(jìn)行檔案館知識創(chuàng)新。

4 存在問題及對策

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)是對各種數(shù)據(jù)的識別，也就是針對不同的數(shù)據(jù)庫都要能夠識別，就需要數(shù)據(jù)標(biāo)準(zhǔn)統(tǒng)一起來。當(dāng)前我國檔案信息化工作在標(biāo)準(zhǔn)體系建設(shè)方面相對延后，各種檔案管理軟件與檔案信息管理平臺尤其是檔案信息元數(shù)據(jù)、檔案數(shù)據(jù)庫結(jié)構(gòu)存在著無法兼容的情況，并且數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)多樣，無法滿足數(shù)據(jù)挖掘所需要的高質(zhì)量數(shù)據(jù)庫要求。需要對檔案信息整理統(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)挖掘在各個環(huán)節(jié)的應(yīng)用，進(jìn)一步推動數(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)則分析時穩(wěn)定收斂是仍需要進(jìn)一步深入探討的問題，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目，編號：13-X-18

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