戈妍妍 牟虹 竇雪

【摘 要】數(shù)據(jù)挖掘是數(shù)據(jù)庫中知識發(fā)現(xiàn)的一個過程，數(shù)據(jù)挖掘技術是從大型數(shù)據(jù)庫中提取以前未知的有意義的數(shù)據(jù)，然后做出決策的過程。本文在分析數(shù)據(jù)挖掘概念及其主要技術方法的基礎上，結(jié)合徐州醫(yī)科大學檔案館的實際工作，探討了數(shù)據(jù)挖掘技術在檔案信息服務中的具體應用。

【關鍵字】數(shù)據(jù)挖掘；高校檔案；信息服務

中圖分類號： G273.5；G647.24 文獻標識碼： A 文章編號： 2095-2457（2018）32-0226-002

DOI：10.19694/j.cnki.issn2095-2457.2018.32.104

【Abstract】Data mining is a process of knowledge discovery in a database. Data mining is a process of extracting meaningful data from a large database and then making decisions. Based on the analysis of the concept of data mining and its main technical methods， this paper discusses the application of data mining technology in archives management based on the practice of archives of Xuzhou Medical University.

【Key words】Data Mining； University Archives； Service

隨著電子政務和社會信息化的加快推進，檔案的工作理念、技術、方法及模式受到深刻影響。過去傳統(tǒng)的檔案管理方式，已經(jīng)不能夠滿足當前信息化建設的需求，在高校檔案信息化管理過程中積累了海量的數(shù)據(jù)，挖掘出這些數(shù)據(jù)背后隱藏的大量有價值的信息。對加強高校檔案服務功能起到重要作用。

1 數(shù)據(jù)挖掘及其在高校檔案信息服務中的基本應用

1.1 數(shù)據(jù)挖掘的概念及主要方法

數(shù)據(jù)挖掘，是從大量的、不完全、模糊的數(shù)據(jù)中挖掘或抽取未知的、有價值的知識的過程[1]。整個知識的挖掘過程由六個挖掘步驟組成，分別是數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)挖掘、知識表示，數(shù)據(jù)挖掘只是其中主要的一個步驟。作為一種有效利用數(shù)據(jù)資源的方法和途徑，數(shù)據(jù)挖掘技術在檔案信息服務領域具有廣闊的應用范圍和開發(fā)前景，數(shù)據(jù)挖掘在檔案信息服務中適用的三種技術方法是：（1）關聯(lián)規(guī)則：它是數(shù)據(jù)挖掘技術中重要的研究方法之一，它可以從海量的數(shù)據(jù)和關聯(lián)的數(shù)據(jù)中，挖掘出有價值的知識和模式[2]。（2）分類與預測：分類是數(shù)據(jù)挖掘的一種重要的方法，主要是在現(xiàn)有的數(shù)據(jù)基礎上，選出分類好的訓練集，構造一個分類函數(shù)或者一個分類模型，把對象總體區(qū)分成各個類別的過程。預測是從歷史數(shù)據(jù)中自動計算出給定數(shù)的推廣描述，挖掘出隱藏的規(guī)律信息，從而對未來相關的數(shù)據(jù)進行預測。（3）聚類規(guī)則：它是一種比較常見的描述工作，它將數(shù)據(jù)分成不同群組，屬于同一類的群組的數(shù)據(jù)盡可能的相似，而不同群組的數(shù)據(jù)的差別盡可能的大，通常采用數(shù)值分析中圖論的相關知識來進行聚類，一般來說聚類要經(jīng)過多次才能得到一個理想的結(jié)果。

1.2 數(shù)據(jù)挖掘技術在高校檔案信息服務中的基本應用

數(shù)據(jù)挖掘技術目前的發(fā)展已相對成熟，在圖書情報、教育研究等領域也有了一定的價值體現(xiàn)，而在檔案信息管理中，該技術還沒有得到推廣，仍處于實驗階段[3]。從2004年開始我校檔案館就開始了檔案的數(shù)字化建設，我們使用檔案管理系統(tǒng)，把各個門類的檔案錄入到系統(tǒng)中，至今為止徐州醫(yī)科大學檔案館存儲了大量的案卷級、文件級目錄庫、全文數(shù)據(jù)庫、圖像數(shù)掘庫、數(shù)字化掃描數(shù)據(jù)庫，并建立了干部任免、科研成果，職稱等專題數(shù)據(jù)庫。隨著檔案數(shù)字化建設的資源積累，館內(nèi)存儲了海量數(shù)據(jù)，但數(shù)據(jù)本身存在重復、冗余的現(xiàn)象。如何更加有效的利用檔案信息中現(xiàn)有的數(shù)據(jù)，提高檔案利用的效率，提供更便利的檔案服務已成為當前迫切需要解決的問題。經(jīng)研究發(fā)現(xiàn)，數(shù)據(jù)挖掘技術正是解決這個問題的最佳技術方法，為檔案信息服務的應用奠定了物質(zhì)基礎。

數(shù)據(jù)挖掘技術無論是在理論上還是實際上都能夠應用于檔案信息服務中。在這個知識經(jīng)濟時代，數(shù)據(jù)挖掘技術是很重要的知識獲取工具，它是在網(wǎng)絡技術和數(shù)字知識的基礎上，發(fā)掘和尋找出檔案信息管理中的有價值的知識資源，使檔案信息管理中的數(shù)據(jù)得到更合理的利用。而且隨著信息化時代的來臨，社會各界對檔案服務的需求更趨多樣和迫切，對檔案工作領域拓展和服務能力提升提出了更高的要求，越來越多的數(shù)字化檔案被利用，領導對檔案工作也是越來越重視，給予了大量人力、財力、技術上的支持，這些都為數(shù)據(jù)挖掘技術在檔案信息服務中應用提供了強有力的保障，確保數(shù)據(jù)挖掘技術在檔案信息服務中應用的可行性。

2 數(shù)據(jù)挖掘技術在檔案信息服務中的具體功能體現(xiàn)

2.1 為用戶提供個性化服務

傳統(tǒng)的檔案信息服務是被動的，被咨詢的，隨著社會信息化的加快推進，檔案工作要主動提供服務，關聯(lián)規(guī)則通過對用戶數(shù)據(jù)庫進行關聯(lián)分析，從海量數(shù)據(jù)中挖掘出對檔案管理員有參考價值的數(shù)據(jù)，從而主動提供個性化服務。例如，在檔案館的網(wǎng)站上建立一個留言板窗口：如圖1所示，用戶可以進行查檔咨詢，提供個人相關信息和查詢內(nèi)容。如有用戶輸入留言板這個數(shù)據(jù)庫，系統(tǒng)則針對用戶的需求來提供服務。運用關聯(lián)分析的技術方法根據(jù)用戶提供的信息和查詢內(nèi)容的情況進行綜合分類；根據(jù)用戶提問的問題，發(fā)現(xiàn)用戶的關注點；根據(jù)這些數(shù)據(jù)挖掘出不同用戶的需求和使用特點，主動向用戶推薦；通過對用戶興趣的統(tǒng)計，我們可以把握當下與用戶個人利益相關的信息。比如申報衛(wèi)生職業(yè)醫(yī)師、職稱申報、出國留學等時間節(jié)點，發(fā)現(xiàn)某類檔案的在某月份利用率會比其它時候的高，可以提前做好準備，挖掘用戶數(shù)據(jù)庫中有參考價值的信息，把“死”檔案變成“活”檔案，為用戶提供有效、準確、快捷的個性化服務。

2.2 提高檔案信息檢索效率

我們現(xiàn)在所使用的檢索工具是輸入關鍵字的模糊檢索，檢索出一堆無關的信息，需要逐條逐頁的進行篩選，工作量很大，給查找有用信息帶來不便，利用數(shù)據(jù)挖掘技術可以將查詢結(jié)果進行歸類和預測，將檢索信息進一步進行定位，這樣可以極大的提高檢索的速度。例如學生在校期間的一些信息記錄，把學生的姓名與其學號、性別、學籍、成績、畢業(yè)證書號、學位證號進行關聯(lián)，還可以將其獲得獎勵、處分等進行關聯(lián)，并且實現(xiàn)任意相關檢索詞都可以查到相關檔案的功能，即一次檢索就可以查到某個學生的在校獎懲情況、成績、畢業(yè)信息等與該學生相關的所有信息，這樣可以快速的獲取學生的較為完整的信息集合，提高查找速度。再比如，我們還可以把學校教師的相關信息進行整合，將教師的個人信息與職稱、課題名稱、基金名稱、獎項、年齡進行關聯(lián)，并且將其申請課題基金的時間、級別以及基金號、等進行關聯(lián)，通過一次檢索，就可以查到某個教師的職稱、課題以及獲得哪些獎項，還可以利用數(shù)據(jù)挖掘技術將職稱和獲得人數(shù)相關聯(lián)，這樣我們可以很清楚的了解到我們學校教授人數(shù)、副教授人數(shù)、講師人數(shù)等，還可以統(tǒng)計出某個年齡段教授的人數(shù)、副教授人數(shù)等，以及各類職稱所占的比例和發(fā)展趨勢，另外還可以把課題級別和申請課題人數(shù)相關聯(lián)，結(jié)果可以發(fā)現(xiàn)教師申請國自然課題的教師比例逐年上升，申請市級以下的課題的反而有下降趨勢。由此可見，利用數(shù)據(jù)挖掘技術的分類和預測技術將信息資源進行整合和關聯(lián)后，不用手工檢索累計相加，就可以更加快速的獲得我們需要的結(jié)果，分類和預測技術的應用極大的提高了工作效率。

2.3 為優(yōu)化館藏檔案信息資源提供便利

隨著檔案信息化建設的推進，海量傳統(tǒng)紙質(zhì)檔案轉(zhuǎn)化為數(shù)字檔案，數(shù)據(jù)挖掘技術可以分析館藏的數(shù)字化信息、用戶數(shù)據(jù)庫、檢索數(shù)據(jù)庫、專題數(shù)據(jù)庫以及歸檔部門信息，從而了解學校的發(fā)展走向和用戶需求，確定數(shù)字化重點，優(yōu)化館藏結(jié)構，運用聚類規(guī)則在歸檔單位信息和用戶信息中進行歸類，如教學獲獎類、專業(yè)設置類、人事任免類文件在歸檔部門中使用比較頻繁，研究生成績單在考研復試階段，查找使用的比較多等等，通過關聯(lián)分析檢索用戶數(shù)據(jù)庫，我們可以深入挖掘各個時間段的用戶需求，找準用戶在哪個時間節(jié)點哪些檔案使用較為頻繁，我們可以優(yōu)先重點掃描使用相對頻繁的檔案，從而確定數(shù)字化掃描的方向和重點，使檔案館的數(shù)字化資源更加科學合理。

3 結(jié)束和體會

隨著信息化帶來的信息量的不斷增加，及對檔案信息提取的更高要求，數(shù)據(jù)挖掘技術在檔案信息服務中的應用有著巨大的潛力，本在分析數(shù)據(jù)挖掘概念及技術的基礎上，針對徐州醫(yī)科大學檔案館的特點，對數(shù)據(jù)挖掘技術在檔案信息管理中的具體應用進行了一定的探索，實踐證明，數(shù)據(jù)挖掘技術將給檔案信息服務帶來前所未有的機遇和挑戰(zhàn)。

【參考文獻】

[1]韓吉義.基于數(shù)據(jù)挖掘技術的高校圖書館檔案信息管理平臺的構筑[J].山西檔案，2015，06：61-63.

[2]王平，安亞翔.大數(shù)據(jù)時代的檔案信息平臺建設[J].檔案與建設，2015，10：8-13.

[3]王鐵牛.大數(shù)據(jù)檔案學國內(nèi)研究現(xiàn)狀及研究方向分析[J].山西檔案，2015，03：107-110.