聶 迪

(黑龍江省科學(xué)院大慶分院，黑龍江 大慶 163319)

1 數(shù)據(jù)挖掘技術(shù)的涵義與方法

數(shù)據(jù)挖掘是指從一定的原始數(shù)據(jù)中利用一定的方法挖掘其中的隱含信息的過程。數(shù)據(jù)挖掘是一種計(jì)算機(jī)科學(xué)，與統(tǒng)計(jì)學(xué)、情報(bào)學(xué)等有相關(guān)性。簡(jiǎn)單地說，傳統(tǒng)的信息處理所采用的統(tǒng)計(jì)方法是線性的、簡(jiǎn)單的，而數(shù)據(jù)挖掘是將原始數(shù)據(jù)通過更為復(fù)雜的統(tǒng)計(jì)思維，納入一些專家系統(tǒng)作為邏輯，以模式識(shí)別等方式來挖掘更為深刻的信息。

數(shù)據(jù)挖掘技術(shù)常用的方法如下：

神經(jīng)網(wǎng)絡(luò)法。該方法對(duì)高等生物的神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行了模擬，使得挖掘工具的處理單元能夠通過不斷地學(xué)習(xí)來提升對(duì)數(shù)據(jù)的認(rèn)知，就像一個(gè)人體一樣，在不同的數(shù)據(jù)環(huán)境中，逐步形成自己的認(rèn)知思維。具有抗干擾、非線性學(xué)習(xí)、聯(lián)想記憶等優(yōu)勢(shì)。

決策樹法。該方法是基于對(duì)目標(biāo)變量產(chǎn)生作用的差異而形成分類，因此能夠利用相應(yīng)的標(biāo)準(zhǔn)對(duì)原始數(shù)據(jù)開展分類，并以于樹形結(jié)構(gòu)的形式存在。在決策樹算法的發(fā)展中，經(jīng)歷了ID3算法、C4.5算法等。這種方法具有透明性、易于理解等優(yōu)勢(shì)。

遺傳算法。該算法是對(duì)生物界群體繁殖以及基因結(jié)合等進(jìn)行的模擬，利用基因結(jié)合、交叉變異、自然淘汰等模式，來實(shí)現(xiàn)數(shù)據(jù)的總結(jié)與學(xué)習(xí)，使得處理單元能夠從不規(guī)則中找出規(guī)律?；凇斑m者生存”的原理，具有隱含并行性、容易與別的模型結(jié)合等優(yōu)勢(shì)。

粗糙集法。該方法能夠?qū)σ恍┓峭暾臄?shù)據(jù)進(jìn)行一定的處理，在一定的條件下可以實(shí)現(xiàn)對(duì)數(shù)據(jù)的彌補(bǔ)和完善，有一定的推理性和邏輯分析性，可以有效地建立預(yù)測(cè)模型。

模糊集法。該方法基于模糊集合理論對(duì)原始數(shù)據(jù)開展模糊評(píng)判、模糊決策，與粗糙集方法有一定的類似。

關(guān)聯(lián)規(guī)則法。該方法在數(shù)據(jù)挖掘中經(jīng)常被使用，以Apriori算法為主，能夠找出所有的頻集，并由此建立強(qiáng)關(guān)聯(lián)規(guī)則。

2 科研管理中數(shù)據(jù)挖掘的步驟

第一，定義問題。為使數(shù)據(jù)挖掘活動(dòng)具有清晰準(zhǔn)確的目標(biāo)，需要對(duì)要解決的問題進(jìn)行定義，要清楚地定位需要解決的問題是什么，如評(píng)價(jià)科研成果、評(píng)價(jià)科研效率等，因?yàn)椴煌哪繕?biāo)和問題所需要的模型是完全不同的。

第二，構(gòu)建數(shù)據(jù)挖掘庫。在確定好需要解決的問題后，需要選擇有效的原始數(shù)據(jù)。對(duì)于數(shù)據(jù)挖掘技術(shù)的實(shí)施來說，原始數(shù)據(jù)通常是越多越好，但并不是需要濫用，在收集到所有的數(shù)據(jù)后，要對(duì)其進(jìn)行一定的選擇，并對(duì)數(shù)據(jù)進(jìn)行描述與匯總，利用傳統(tǒng)的數(shù)據(jù)統(tǒng)計(jì)進(jìn)行元數(shù)據(jù)的搭建，形成數(shù)據(jù)庫。

第三，分析數(shù)據(jù)。通常是利用數(shù)據(jù)分析軟件進(jìn)行數(shù)據(jù)的初步分析，因?yàn)樵紨?shù)據(jù)過于龐大，且很難找到重點(diǎn)，應(yīng)借助SPSS之類的工具進(jìn)行歸類，找出不同影響性的數(shù)據(jù)。

第四，準(zhǔn)備數(shù)據(jù)。具體工作是選擇變量、選擇記錄、創(chuàng)建新變量、轉(zhuǎn)換變量。

第五，構(gòu)建模型。通過數(shù)據(jù)挖掘?qū)崿F(xiàn)對(duì)某個(gè)問題的解決，需要的工作是多方面的，因此構(gòu)建模型需要長(zhǎng)期實(shí)行，反復(fù)開展，需要對(duì)大量的算法和數(shù)學(xué)邏輯進(jìn)行參考，并在運(yùn)行后反復(fù)優(yōu)化。通常情況下會(huì)先用一部分信息構(gòu)建模型，并利用剩余的信息對(duì)模型進(jìn)行測(cè)試，甚至需要另一部分?jǐn)?shù)據(jù)進(jìn)行驗(yàn)證。

第六，模型的評(píng)價(jià)。在對(duì)模型初步建立之后，還需要對(duì)其進(jìn)行綜合性地評(píng)價(jià)，對(duì)不同的數(shù)據(jù)下得到的結(jié)果的合理性進(jìn)行專家評(píng)價(jià)，使模型更有價(jià)值。在實(shí)踐中，通過數(shù)據(jù)挖掘技術(shù)來解決一定的問題，還面臨著經(jīng)濟(jì)、人力、技術(shù)等方面的限制，所以，應(yīng)評(píng)價(jià)這種模型實(shí)施的各方面的可行性。

第七，模型實(shí)施。在建立了初步的模型并被認(rèn)定為可行之后，就能夠開展具體的實(shí)施，以對(duì)問題進(jìn)行及時(shí)有效地解決。

3 數(shù)據(jù)挖掘技術(shù)下科研管理工作的轉(zhuǎn)變

3.1 注重科研數(shù)據(jù)的原始積累

要積極提升科研單位的信息收集能力，構(gòu)建更廣范的科技文獻(xiàn)、專利信息、論文信息以及科研單位自身各類信息的數(shù)據(jù)庫，包括科研工作者的基礎(chǔ)信息、科研成果等，并充分使用。還應(yīng)把科研管理的數(shù)據(jù)挖掘延伸到全球科研信息，如對(duì)于某個(gè)研究所來說，其研究的方向在全球有很多科研機(jī)構(gòu)與成果，該單位就應(yīng)在全球范圍內(nèi)進(jìn)行原始數(shù)據(jù)的收集。原始數(shù)據(jù)的收集是重要的，也是很難完全做到的，如科研成果，不僅需要在主流的論文知識(shí)平臺(tái)上進(jìn)行信息的搜索，還有大量的專利平臺(tái)、新聞報(bào)道、科學(xué)家的演講等。在數(shù)據(jù)挖掘技術(shù)的發(fā)展中，應(yīng)當(dāng)對(duì)各類信息進(jìn)行準(zhǔn)確有效地收集，同時(shí)淘汰一些失去價(jià)值的數(shù)據(jù)，如過期的甚至錯(cuò)誤的科研成果等。

在科研管理和科研活動(dòng)中，應(yīng)當(dāng)充分意識(shí)到原始數(shù)據(jù)的重要性，對(duì)原始數(shù)據(jù)進(jìn)行準(zhǔn)確地保留，同時(shí)在對(duì)外部數(shù)據(jù)進(jìn)行收集時(shí)，也能更好地篩選出有用的信息，有利于最終的數(shù)據(jù)模型的搭建。

3.2 有效地增強(qiáng)科研管理項(xiàng)目決策的科學(xué)性

針對(duì)科研管理及數(shù)據(jù)挖掘機(jī)制的開拓，還應(yīng)從具體的科研管理項(xiàng)目決策上入手，使決策更具科學(xué)性。應(yīng)基于信息篩選的理念，進(jìn)一步細(xì)化科研管理工作，充分利用數(shù)據(jù)挖掘的優(yōu)勢(shì)思維，基于云計(jì)算的模式，對(duì)研究的領(lǐng)域、可能得到的學(xué)術(shù)成果進(jìn)行深入的分析；積極地借鑒國(guó)內(nèi)外相關(guān)學(xué)術(shù)成果的現(xiàn)有文獻(xiàn)，找出最合適的研究思路，并對(duì)科學(xué)課題的創(chuàng)新性和可行性進(jìn)行判斷，對(duì)其意義與必要性進(jìn)行判斷。在數(shù)據(jù)挖掘思維及技術(shù)的指導(dǎo)下，科研管理項(xiàng)目的科學(xué)性很容易被監(jiān)測(cè)，科研人員也能夠被督促，使項(xiàng)目決策更具有科學(xué)性。

3.3 注重更深層次的科研活動(dòng)服務(wù)提供力度

各類科研機(jī)構(gòu)的科研項(xiàng)目，通常由科研工作者以某個(gè)機(jī)構(gòu)的研究為主進(jìn)行申請(qǐng)。和過去的科研活動(dòng)管理、信息化技術(shù)的應(yīng)用相比，科研工作者僅是根據(jù)具體的科研工作，向上級(jí)領(lǐng)導(dǎo)單位進(jìn)行申請(qǐng)書的投遞，而后者則對(duì)申請(qǐng)內(nèi)容進(jìn)行進(jìn)一步分析。在具體的實(shí)踐中，會(huì)出現(xiàn)申請(qǐng)力度不足、相關(guān)數(shù)據(jù)殘缺、有一定的錯(cuò)誤信息等，使得科研管理水平降低，有時(shí)會(huì)存在申請(qǐng)課題與實(shí)際需求差距較大，以致于最終申請(qǐng)無法通過。在數(shù)據(jù)挖掘技術(shù)的應(yīng)用過程中，數(shù)據(jù)更加透明，也更為豐富，科研單位應(yīng)掌握數(shù)據(jù)挖掘的思維和技術(shù)，對(duì)數(shù)據(jù)領(lǐng)域進(jìn)行分析、研究、準(zhǔn)確預(yù)測(cè)，探索構(gòu)建科研管理、數(shù)據(jù)挖掘的模型，與此同時(shí)，基于數(shù)據(jù)可視化的理念，得到成型的相關(guān)報(bào)告，這可以給工作人員提供更為全面的數(shù)據(jù)信息，并對(duì)其中的內(nèi)在聯(lián)系進(jìn)行梳理。較為準(zhǔn)確的信息就能夠?qū)蒲泄ぷ魅藛T的工作進(jìn)行全面地指導(dǎo)，使科研管理與數(shù)據(jù)管理達(dá)到深層次的服務(wù)目標(biāo)，提高科研管理的質(zhì)量水平。

3.4 重視科研資源的合理配置及管理的適當(dāng)優(yōu)化

科研管理工作牽涉諸多的科研資源，管理單位應(yīng)對(duì)各種資源進(jìn)行合理配置，進(jìn)一步對(duì)數(shù)據(jù)管理進(jìn)行優(yōu)化。第一，對(duì)相關(guān)數(shù)據(jù)開展廣泛的采集和初步的篩選，構(gòu)建相應(yīng)的數(shù)據(jù)管理資源庫、人才庫、科研成果庫等。第二，對(duì)科研機(jī)構(gòu)的自身發(fā)展進(jìn)行一定的科研評(píng)判，構(gòu)建相對(duì)健全的科研模型，包括科研資源研究模型、科研成果模型等，并對(duì)其中的參數(shù)進(jìn)行有效地計(jì)算，進(jìn)一步制定完善的管理規(guī)則。第三，利用定量化績(jī)效考核的思路，及時(shí)搭建科研資源的基礎(chǔ)配置。以決策支持管理工具為基礎(chǔ)，有效地對(duì)相應(yīng)的數(shù)據(jù)進(jìn)行管理，基于數(shù)據(jù)挖掘的模式對(duì)科研機(jī)構(gòu)的資源開展科學(xué)配置。