王仡捷

(安徽廣播電視大學(xué) 信息技術(shù)與網(wǎng)絡(luò)管理中心，安徽 合肥 230041)

以大數(shù)據(jù)為基礎(chǔ)的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)給傳統(tǒng)的檔案管理帶來(lái)巨大的沖擊，也在很大層面上影響和改變了傳統(tǒng)檔案管理的理念和方式。應(yīng)用大數(shù)據(jù)挖掘技術(shù)，能提高檔案管理中的數(shù)據(jù)檢索、查詢性能，并構(gòu)建自動(dòng)化、數(shù)字化相結(jié)合的檔案信息管理機(jī)制。

1 基于大數(shù)據(jù)的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)

1.1 以計(jì)算機(jī)技術(shù)為基礎(chǔ)的數(shù)據(jù)挖掘

數(shù)據(jù)挖掘指的是從海量的、不規(guī)則的隨機(jī)數(shù)據(jù)中提取出滿足人們信息、知識(shí)需求的數(shù)據(jù)，挖掘出來(lái)的知識(shí)往往具有潛在的、隱性特征。計(jì)算機(jī)的普及應(yīng)用為數(shù)據(jù)挖掘技術(shù)提供了技術(shù)和平臺(tái)保障，基于計(jì)算機(jī)的數(shù)據(jù)挖掘?qū)⑷斯ぶ悄堋⒔y(tǒng)計(jì)學(xué)知識(shí)和技能進(jìn)行有機(jī)結(jié)合，利用計(jì)算機(jī)檢索的自動(dòng)化功能，對(duì)原有的海量數(shù)據(jù)進(jìn)行高度分析，推理和挖掘出數(shù)據(jù)信息的潛在性能，從而為人們決策提供信息支撐。數(shù)據(jù)挖掘技術(shù)是隨著信息技術(shù)的發(fā)展而不斷改進(jìn)和普及的，起初在20世紀(jì)末，數(shù)據(jù)挖掘技術(shù)主要應(yīng)用在較小范圍內(nèi)的研究階段，后來(lái)隨著信息技術(shù)創(chuàng)新和人工智能發(fā)展逐步應(yīng)用到各行各業(yè)。數(shù)據(jù)挖掘技術(shù)常用方法為分類法、關(guān)聯(lián)法、序列模式法和聚類分析法等，對(duì)采集的數(shù)據(jù)進(jìn)行多維度的整合分析，挖掘數(shù)據(jù)中的信息、知識(shí)和模式等，為決策者提供參考依據(jù)。

1.1.1 分類形式。該形式是數(shù)據(jù)挖掘技術(shù)的核心，更是計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在實(shí)務(wù)應(yīng)用中的重要組成部分，其核心理念是分析數(shù)據(jù)屬性，將不同的元祖數(shù)據(jù)劃分到不同類別中，分類是數(shù)據(jù)挖掘的起始部分，更關(guān)系到數(shù)據(jù)收集的整體質(zhì)量[1]。在應(yīng)用過(guò)程中，分類所體現(xiàn)的是對(duì)數(shù)據(jù)的歸納、提煉，從而確定同類事物的劃分依據(jù)即同種數(shù)據(jù)的共性。具體操作中，操作人員要挖掘數(shù)據(jù)的共同特征，利用相關(guān)程序進(jìn)行最終檢測(cè)，核定數(shù)據(jù)的共同特性，從而進(jìn)行具體分類。

1.1.2 關(guān)聯(lián)形式。關(guān)聯(lián)原則是數(shù)據(jù)挖掘技術(shù)中較為簡(jiǎn)單的操作形式，是通過(guò)對(duì)相關(guān)數(shù)據(jù)的準(zhǔn)確描述，實(shí)現(xiàn)對(duì)同類數(shù)據(jù)的分析、歸納和提煉。具體應(yīng)用中，要對(duì)某一類數(shù)據(jù)對(duì)象進(jìn)行描述和分析，將同種屬性糅合起來(lái)，然后通過(guò)總結(jié)和歸納，得出對(duì)象的共有屬性或機(jī)制。關(guān)聯(lián)形式可以直接應(yīng)用到數(shù)據(jù)分析過(guò)程中，將不同事物產(chǎn)生的海量數(shù)據(jù)進(jìn)行統(tǒng)一的記錄整合，減少分散數(shù)據(jù)的存儲(chǔ)量，實(shí)現(xiàn)系統(tǒng)的良好運(yùn)行。

1.1.3 粗糙集法。粗糙集法相當(dāng)于數(shù)據(jù)挖掘技術(shù)中的數(shù)學(xué)工具，能研究數(shù)據(jù)隊(duì)形中的不確定知識(shí)、規(guī)則，其運(yùn)算過(guò)程相對(duì)簡(jiǎn)單容易操作，不需要確定相應(yīng)的研究信息，因而能為大多數(shù)用戶提供便利[2]。粗糙集法的應(yīng)用范圍較廣，由于客觀世界規(guī)則都具有不明確性，因而都可以用粗糙集法進(jìn)行研究，同時(shí)粗糙集法可以排除數(shù)據(jù)庫(kù)中的干擾信息，發(fā)現(xiàn)數(shù)據(jù)中的共性，并以表格的形式進(jìn)行整理，形成可供決策者直觀的決策表格。

1.2 大數(shù)據(jù)背景下的檔案管理工作內(nèi)涵

大數(shù)據(jù)的發(fā)展推動(dòng)了檔案管理的改革和發(fā)展，信息技術(shù)和數(shù)據(jù)庫(kù)的應(yīng)用促使檔案管理在統(tǒng)一的平臺(tái)進(jìn)行數(shù)據(jù)收集、分析和處理，并以信息技術(shù)為動(dòng)力推動(dòng)檔案管理的效率提升。在大數(shù)據(jù)背景下，傳統(tǒng)的檔案管理模式顯現(xiàn)出滯后性，檔案的信息載體也從最原始的紙質(zhì)文件向電子文件、數(shù)字文件轉(zhuǎn)變。結(jié)合大數(shù)據(jù)和云計(jì)算的共同作用，現(xiàn)代化檔案管理以大數(shù)據(jù)技術(shù)為支撐，對(duì)紙質(zhì)文檔進(jìn)行數(shù)字化存檔，并借助數(shù)據(jù)平臺(tái)的開放性、交互性，為檔案用戶提供便捷、快速、高效和人性化的檔案服務(wù)。

2 計(jì)算機(jī)挖掘技術(shù)在檔案信息系統(tǒng)中應(yīng)用的積極意義

2.1 提高檔案信息的安全性和準(zhǔn)確性

其一是通過(guò)對(duì)紙質(zhì)檔案實(shí)現(xiàn)電子化，有效減少對(duì)紙質(zhì)檔案的二次損壞，并能確保對(duì)紙質(zhì)檔案的規(guī)范化錄入、保存和檢索，達(dá)到保護(hù)紙質(zhì)檔案的目的。

其二是需要通過(guò)使用計(jì)算機(jī)技術(shù)提升電子檔案的保密性、安全性，以及實(shí)現(xiàn)對(duì)電子檔案的智能化管理，提高電子檔案的應(yīng)用效率，充分發(fā)揮數(shù)據(jù)信息的應(yīng)用價(jià)值。

其三是通過(guò)使用計(jì)算機(jī)技術(shù)，把涉密的數(shù)據(jù)處理過(guò)程嚴(yán)格控制在內(nèi)部實(shí)現(xiàn)，從而解決涉密數(shù)據(jù)的有效管控，嚴(yán)防數(shù)據(jù)泄密，達(dá)到提升檔案安全性的目的。

2.2 提高檔案的使用效率，放大檔案的功能價(jià)值

檔案的重要性和應(yīng)用價(jià)值在于存儲(chǔ)信息可以為決策者和信息需求者提供服務(wù)，而大部分檔案信息具有一定的保密要求，不同類別、集體的檔案是不可能向全社會(huì)進(jìn)行公開的，檔案的保護(hù)、管理、查閱都有一定的權(quán)限，這就導(dǎo)致檔案管理工作和查閱使用之間存在一定的矛盾沖突，引發(fā)兩方的溝通難題。如一旦溝通不暢，檔案查閱的需求和檔案管理的調(diào)取結(jié)果不一定完全對(duì)等，就會(huì)增大檔案管理的工作量，增加管理和查閱兩方的溝通次數(shù)。而計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)則可以通過(guò)對(duì)檔案數(shù)據(jù)的分類、關(guān)聯(lián)幫助管理者明確查閱者的信息需求，或者構(gòu)建專門的檔案信息供應(yīng)渠道，減少傳統(tǒng)檔案查閱中的查詢、檢索環(huán)節(jié)，提高檔案利用效率，增強(qiáng)檔案的信息服務(wù)功能。

2.3 提高檔案管理的自動(dòng)化、智能化和數(shù)字化水平

信息技術(shù)時(shí)代，檔案管理和信息技術(shù)的融合是必然趨勢(shì)，更是創(chuàng)新檔案管理理念、模式，提高檔案管理效率和質(zhì)量的必然途徑?；诖髷?shù)據(jù)的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的應(yīng)用首先要有大量的數(shù)據(jù)信息、檔案信息為前提，繼而應(yīng)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)對(duì)檔案進(jìn)行篩選、分析和整合，從而得到想要的結(jié)果。數(shù)據(jù)挖掘技術(shù)可以在檔案管理的過(guò)程控制、信息控制、數(shù)據(jù)整合、查詢檢索、分析決策等多個(gè)方面進(jìn)行具體應(yīng)用，涵蓋范圍廣泛。同時(shí)，計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)是一個(gè)跨學(xué)科的信息技術(shù)，是計(jì)算機(jī)、人工智能、數(shù)據(jù)庫(kù)和統(tǒng)計(jì)學(xué)原理的綜合應(yīng)用，并涉及到神經(jīng)網(wǎng)絡(luò)、遺傳算法等學(xué)科[3]。數(shù)據(jù)挖掘技術(shù)的應(yīng)用不僅提高了檔案管理的效率，更從某個(gè)層面為檔案管理系統(tǒng)的改革和創(chuàng)新提供技術(shù)動(dòng)力，促使檔案管理系統(tǒng)進(jìn)行全方位改革，在具體的檔案管理工作中，推動(dòng)工作人員創(chuàng)新工作理念，樹立信息化的檔案管理意識(shí)。

2.4 提高檔案管理的服務(wù)性，增強(qiáng)用戶體驗(yàn)

將計(jì)算機(jī)挖掘技術(shù)應(yīng)用到檔案管理系統(tǒng)中，可以在很大程度上提高檔案管理的效率，相較于傳統(tǒng)的檔案管理技術(shù)，數(shù)據(jù)挖掘可以實(shí)現(xiàn)檔案管理的人性化、智能化，以數(shù)據(jù)挖掘?yàn)榛A(chǔ)設(shè)計(jì)的檔案數(shù)據(jù)挖掘體系，可以以用戶的使用體驗(yàn)為出發(fā)點(diǎn)，強(qiáng)調(diào)最大限度地滿足用戶的真實(shí)需求，這種人性化設(shè)計(jì)是傳統(tǒng)的檔案管理技術(shù)所欠缺的。首先它可以以多元用戶的個(gè)性化需求為特點(diǎn)進(jìn)行針對(duì)性的數(shù)據(jù)收集和處理，不僅能提高檔案數(shù)據(jù)的搜集、整合效率，還能實(shí)現(xiàn)檔案數(shù)據(jù)處理的針對(duì)性和個(gè)性化，增強(qiáng)用戶的體驗(yàn)滿意度。其次，多元用戶的信息需求也是有關(guān)聯(lián)的，檔案數(shù)據(jù)挖掘技術(shù)可以以全網(wǎng)用戶的信息檢索數(shù)據(jù)為依據(jù)，挖掘和分析不同用戶之間的聯(lián)系、共性和工作內(nèi)容，從而為檔案管理系統(tǒng)的再次升級(jí)、更新提供數(shù)據(jù)支撐，推進(jìn)檔案管理的持續(xù)發(fā)展。而且數(shù)據(jù)挖掘系統(tǒng)可以將相似信息匯總起來(lái)，構(gòu)架大數(shù)據(jù)倉(cāng)庫(kù)，便于檔案管理技術(shù)人員對(duì)數(shù)據(jù)進(jìn)行分析、歸納和整合，以加強(qiáng)對(duì)檔案用戶群體的了解。

3 數(shù)據(jù)挖掘技術(shù)在檔案信息化管理的應(yīng)用技法

3.1 分類法在檔案管理中的應(yīng)用

檔案分類是對(duì)檔案進(jìn)行現(xiàn)代化、智能化管理的前提和基礎(chǔ)，數(shù)據(jù)挖掘技術(shù)中的決策樹算法以一定規(guī)則將不同特性種類的檔案進(jìn)行快速區(qū)分，并將同一種類的檔案進(jìn)行歸類，能快速提高檔案檢索的效率。

其應(yīng)用過(guò)程主要是根據(jù)分類形式將大量的檔案分門別類。將具有相似屬性的檔案劃歸到一個(gè)類別中，增強(qiáng)檔案數(shù)據(jù)的規(guī)范性和標(biāo)準(zhǔn)性，讓現(xiàn)代化檔案管理具有更加高的效率，檔案管理人員可以按照不同的標(biāo)準(zhǔn)實(shí)現(xiàn)對(duì)檔案的快速檢索和查詢。

3.2 收集法在檔案收集中的應(yīng)用

收集法以神經(jīng)網(wǎng)絡(luò)、大數(shù)據(jù)庫(kù)為基礎(chǔ)。首先分析大數(shù)據(jù)庫(kù)中的既有數(shù)據(jù)，并以該數(shù)據(jù)為對(duì)象構(gòu)建概念模型，以該模型為標(biāo)準(zhǔn)對(duì)比分析每個(gè)測(cè)試樣本，如果該模型和數(shù)據(jù)樣本的主要特征相吻合，即該數(shù)據(jù)模型通過(guò)檢測(cè)測(cè)試，能夠?qū)?shù)據(jù)樣本進(jìn)行正確的描述和分析，那么就以該模型對(duì)未來(lái)的數(shù)據(jù)對(duì)象進(jìn)行分類。如，檔案管理人員以1 000名檔案會(huì)員為樣本進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，以用戶的年齡、性別、學(xué)歷、瀏覽或借閱記錄等數(shù)據(jù)為訓(xùn)練集，創(chuàng)建針對(duì)該檔案館用戶的借閱模型，并將該模型應(yīng)用到對(duì)新用戶群體分析中。如果有新用戶的相關(guān)信息輸入到該模型中，則該模型會(huì)根據(jù)新用戶的年齡、性別、學(xué)歷推斷出符合他們愛好、需求的借閱偏好，繼而進(jìn)行針對(duì)性推薦，實(shí)現(xiàn)檔案服務(wù)的個(gè)性化和差異化。

(三)保留法在檔案保管中的應(yīng)用

保留法是保留住既有用戶，控制老客戶檔案流失的高效應(yīng)用技法。尤其對(duì)企業(yè)發(fā)展而言，保留老用戶的成本要遠(yuǎn)遠(yuǎn)低于開發(fā)新用戶的成本，因此進(jìn)行客戶保留是企業(yè)發(fā)展中必不可少的檔案信息處理環(huán)節(jié)。

企業(yè)可以根據(jù)收集到的老用戶信息進(jìn)行數(shù)據(jù)挖掘，分析引起老用戶流失的主要原因，繼而采取針對(duì)性措施，保留老用戶，防止老用戶檔案流失。

4 計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在檔案管理系統(tǒng)中的應(yīng)用展望

4.1 實(shí)現(xiàn)數(shù)據(jù)來(lái)源的多樣性

數(shù)據(jù)挖掘的前提和基礎(chǔ)是數(shù)據(jù)，只有收集大量的數(shù)據(jù)才能確保數(shù)據(jù)挖掘結(jié)果的準(zhǔn)確性。從當(dāng)前的情況來(lái)看，檔案信息化管理中數(shù)據(jù)私密化、歷史數(shù)據(jù)積累等還有很多不足，這些都是數(shù)據(jù)挖掘技術(shù)在檔案信息化管理應(yīng)用中亟待解決的問(wèn)題。同時(shí)，對(duì)于數(shù)據(jù)挖掘技術(shù)而言，最基本的要求是處理好多種類型的數(shù)據(jù)庫(kù)，但是目前多樣化的數(shù)據(jù)庫(kù)包含了多元化、復(fù)雜化的數(shù)據(jù)類型，如多媒體數(shù)據(jù)、文本數(shù)據(jù)、時(shí)態(tài)數(shù)據(jù)、空間數(shù)據(jù)等，而不同的數(shù)據(jù)類型中對(duì)數(shù)據(jù)記錄的標(biāo)準(zhǔn)也不一樣，如何協(xié)調(diào)好不同來(lái)源的數(shù)據(jù)，使多元類型數(shù)據(jù)能夠?qū)崿F(xiàn)快速轉(zhuǎn)化、對(duì)接，也是未來(lái)數(shù)據(jù)挖掘技術(shù)中要重點(diǎn)解決的問(wèn)題[3]。從目前的數(shù)據(jù)挖掘技術(shù)來(lái)看，通過(guò)一個(gè)系統(tǒng)實(shí)現(xiàn)對(duì)所有類型的數(shù)據(jù)的挖掘、處理和分析是不現(xiàn)實(shí)的，因此要挖掘特定類型數(shù)據(jù)，則要?jiǎng)?chuàng)建與之相適應(yīng)的數(shù)據(jù)挖掘系統(tǒng)。

4.2 數(shù)據(jù)挖掘算法的研究

數(shù)據(jù)挖掘算法是數(shù)據(jù)挖掘技術(shù)的核心，好的算法會(huì)直接影響數(shù)據(jù)挖掘的效率和質(zhì)量。尤其是隨著數(shù)據(jù)庫(kù)的建立，不同的數(shù)據(jù)庫(kù)中包含有海量的數(shù)據(jù)屬性和數(shù)據(jù)記錄，而不同的數(shù)據(jù)表中又包含復(fù)雜的關(guān)聯(lián)，這就會(huì)導(dǎo)致數(shù)據(jù)挖掘過(guò)程中的搜索空間和搜索維度激增。因此為從不同的數(shù)據(jù)庫(kù)中發(fā)掘信息，應(yīng)當(dāng)開發(fā)更加有效的數(shù)據(jù)算法，剔除其中的不確定和病態(tài)數(shù)據(jù)。

4.3 數(shù)據(jù)可視化和人機(jī)交互的發(fā)展方向

數(shù)據(jù)挖掘的過(guò)程比較復(fù)雜，每一個(gè)環(huán)節(jié)都需要工作人員的參與。因此未來(lái)的數(shù)據(jù)挖掘技術(shù)在檔案信息化管理中的應(yīng)用有可能朝向人機(jī)交互、數(shù)據(jù)可視化的方向發(fā)展。一方面，數(shù)據(jù)可視化可以將抽象的、復(fù)雜的數(shù)據(jù)轉(zhuǎn)變?yōu)槿藗兛梢灾苯永斫獾臄?shù)據(jù)，進(jìn)而通過(guò)簡(jiǎn)單的方法操作系統(tǒng)，滿足用戶的檢索、查詢等需求。另一方面，人機(jī)交互可以通過(guò)界面將數(shù)據(jù)的生成結(jié)果直接提供給用戶，友好界面能有效提升用戶體驗(yàn)，讓用戶通過(guò)可視化界面直觀地看到數(shù)據(jù)挖掘的成果。

總之，計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)涉及到較多學(xué)科，是計(jì)算機(jī)技術(shù)、云計(jì)算、神經(jīng)網(wǎng)絡(luò)、遺傳算法、統(tǒng)計(jì)技能和大數(shù)據(jù)庫(kù)有機(jī)結(jié)合的科學(xué)技術(shù)。將數(shù)據(jù)挖掘應(yīng)用到具體工作中，探究和創(chuàng)建新的工作理念和工作模式有助于實(shí)現(xiàn)服務(wù)的差異化、個(gè)性化，從而提高工作效率。數(shù)據(jù)挖掘技術(shù)對(duì)檔案管理的沖擊是巨大的，也從根本上創(chuàng)建和締造了全新的檔案管理和服務(wù)體系，為大數(shù)據(jù)背景下的檔案信息化、智能化和數(shù)字化提供了技術(shù)和平臺(tái)支撐，實(shí)現(xiàn)檔案服務(wù)的個(gè)性化特征，縮減檔案管理成本，提高檔案的安全性、準(zhǔn)確性。當(dāng)然在數(shù)據(jù)挖掘技術(shù)的應(yīng)用過(guò)程中，由于所涉及的數(shù)據(jù)巨大，任何一點(diǎn)細(xì)微誤差都可能造成重大漏洞，因此需要技術(shù)人員對(duì)數(shù)據(jù)挖掘技術(shù)進(jìn)行深入研究，掌握相關(guān)技術(shù)知識(shí)，提高技術(shù)服務(wù)和管理能力，從而提高檔案信息的自動(dòng)化管理水平。