數(shù)據(jù)挖掘論文

　　在現(xiàn)實(shí)的學(xué)習(xí)、工作中，許多人都寫(xiě)過(guò)論文吧，通過(guò)論文寫(xiě)作可以培養(yǎng)我們獨(dú)立思考和創(chuàng)新的能力。你知道論文怎樣寫(xiě)才規(guī)范嗎？以下是小編收集整理的數(shù)據(jù)挖掘論文，僅供參考，大家一起來(lái)看看吧。

數(shù)據(jù)挖掘論文1

　　1數(shù)據(jù)挖掘技術(shù)和過(guò)程

　　1.1數(shù)據(jù)挖掘技術(shù)概述

　　發(fā)現(xiàn)的是用戶感興趣的知識(shí)；發(fā)現(xiàn)的知識(shí)應(yīng)當(dāng)能夠被接受、理解和運(yùn)用。也就是發(fā)現(xiàn)全部相對(duì)的知識(shí)，是具有特定前提與條件，面向既定領(lǐng)域的，同時(shí)還容易被用戶接受。數(shù)據(jù)挖掘?qū)儆谝环N新型的商業(yè)信息處理技術(shù)，其特點(diǎn)為抽取、轉(zhuǎn)化、分析商業(yè)數(shù)據(jù)庫(kù)中的大規(guī)模業(yè)務(wù)數(shù)據(jù)，從中獲得有價(jià)值的商業(yè)數(shù)據(jù)。簡(jiǎn)單來(lái)說(shuō)，其實(shí)數(shù)據(jù)挖掘是一種對(duì)數(shù)據(jù)進(jìn)行深入分析的方法。因此，可以描述數(shù)據(jù)挖掘?yàn)椋焊鶕?jù)企業(yè)設(shè)定的工作目標(biāo)，探索與分析企業(yè)大量數(shù)據(jù)，充分揭示隱藏的、未知的規(guī)律性，并且將其轉(zhuǎn)變?yōu)榭茖W(xué)的方法。數(shù)據(jù)挖掘發(fā)現(xiàn)的最常見(jiàn)知識(shí)包括：

　　1.1.1廣義知識(shí)體現(xiàn)相同事物共同性質(zhì)的知識(shí)，是指類別特點(diǎn)的概括描述知識(shí)。按照數(shù)據(jù)的微觀特點(diǎn)對(duì)其表征的、具有普遍性的、極高概念層次的知識(shí)積極發(fā)現(xiàn)，是對(duì)數(shù)據(jù)的高度精煉與抽象。發(fā)現(xiàn)廣義知識(shí)的方法與技術(shù)有很多，例如數(shù)據(jù)立方體和歸約等。

　　1.1.2關(guān)聯(lián)知識(shí)體現(xiàn)一個(gè)事件與其他事件之間形成的關(guān)聯(lián)知識(shí)。假如兩項(xiàng)或者更多項(xiàng)之間形成關(guān)聯(lián)，則其中一項(xiàng)的屬性數(shù)值就能夠借助其他屬性數(shù)值實(shí)行預(yù)測(cè)。

　　1.1.3分類知識(shí)體現(xiàn)相同事物共同特點(diǎn)的屬性知識(shí)與不同事物之間差異特點(diǎn)知識(shí)。

　　1.2數(shù)據(jù)挖掘過(guò)程

　　1.2.1明確業(yè)務(wù)對(duì)象對(duì)業(yè)務(wù)問(wèn)題清楚定義，了解數(shù)據(jù)挖掘的第一步是數(shù)據(jù)挖掘目的。挖掘結(jié)果是無(wú)法預(yù)測(cè)的，但是研究的問(wèn)題是可預(yù)見(jiàn)的，僅為了數(shù)據(jù)挖掘而數(shù)據(jù)挖掘一般會(huì)體現(xiàn)出盲目性，通常也不會(huì)獲得成功�；�于用戶特征的電子商務(wù)數(shù)據(jù)挖掘研究劉芬（惠州商貿(mào)旅游高級(jí)職業(yè)技術(shù)學(xué)校，廣東惠州516025）摘要：隨著互聯(lián)網(wǎng)的出現(xiàn)，全球范圍內(nèi)電子商務(wù)正在迅速普及與發(fā)展，在這樣的環(huán)境下，電子商務(wù)數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生。電子商務(wù)數(shù)據(jù)挖掘技術(shù)是近幾年來(lái)數(shù)據(jù)挖掘領(lǐng)域中的研究熱點(diǎn)，基于用戶特征的電子商務(wù)數(shù)據(jù)挖掘技術(shù)研究將會(huì)解決大量現(xiàn)實(shí)問(wèn)題，為企業(yè)確定目標(biāo)市場(chǎng)、完善決策、獲得最大競(jìng)爭(zhēng)優(yōu)勢(shì)，其應(yīng)用前景廣闊，促使電子商務(wù)企業(yè)更具有競(jìng)爭(zhēng)力。主要分析了電子商務(wù)內(nèi)容、數(shù)據(jù)挖掘技術(shù)和過(guò)程、用戶細(xì)分理論，以及基于用戶特征的電子商務(wù)數(shù)據(jù)挖掘。

　　1.2.2數(shù)據(jù)準(zhǔn)備第一選擇數(shù)據(jù)：是按照用戶的挖掘目標(biāo)，對(duì)全部業(yè)務(wù)內(nèi)外部數(shù)據(jù)信息積極搜索，從數(shù)據(jù)源中獲取和挖掘有關(guān)數(shù)據(jù)。第二預(yù)處理數(shù)據(jù)：加工選取的數(shù)據(jù)，具體對(duì)數(shù)據(jù)的完整性和一致性積極檢查，并且處理數(shù)據(jù)中的噪音，找出計(jì)算機(jī)丟失的數(shù)據(jù)，清除重復(fù)記錄，轉(zhuǎn)化數(shù)據(jù)類型等。假如數(shù)據(jù)倉(cāng)庫(kù)是數(shù)據(jù)挖掘的對(duì)象，則在產(chǎn)生數(shù)據(jù)庫(kù)過(guò)程中已經(jīng)形成了數(shù)據(jù)預(yù)處理。

　　1.2.3變換數(shù)據(jù)轉(zhuǎn)換數(shù)據(jù)為一個(gè)分析模型。這一分析模型是相對(duì)于挖掘算法構(gòu)建的。構(gòu)建一個(gè)與挖掘算法適合的分析模型是數(shù)據(jù)挖掘獲得成功的重點(diǎn)。可以利用投影數(shù)據(jù)庫(kù)的相關(guān)操作對(duì)數(shù)據(jù)維度有效降低，進(jìn)一步減少數(shù)據(jù)挖掘過(guò)程中數(shù)據(jù)量，提升挖掘算法效率。

　　1.2.4挖掘數(shù)據(jù)挖掘獲得的經(jīng)濟(jì)轉(zhuǎn)化的數(shù)據(jù)。除了對(duì)選擇科學(xué)挖掘算法積極完善之外，其余全部工作都自行完成。整體挖掘過(guò)程都是相互的，也就是用戶對(duì)某些挖掘參數(shù)能夠積極控制。

　　1.2.5評(píng)價(jià)挖掘結(jié)果這個(gè)過(guò)程劃分為兩個(gè)步驟：表達(dá)結(jié)果和評(píng)價(jià)結(jié)果。第一表達(dá)結(jié)果：用戶能夠理解數(shù)據(jù)挖掘得到的模式，可以通過(guò)可視化數(shù)據(jù)促使用戶對(duì)挖掘結(jié)果積極理解。第二評(píng)價(jià)結(jié)果：用戶與機(jī)器對(duì)數(shù)據(jù)挖掘獲得的模式有效評(píng)價(jià)，對(duì)冗余或者無(wú)關(guān)的模式及時(shí)刪除。假如用戶不滿意挖掘模式，可以重新挑選數(shù)據(jù)和挖掘算法對(duì)挖掘過(guò)程科學(xué)執(zhí)行，直到獲得用戶滿意為止。

　　2用戶細(xì)分理論

　　用戶細(xì)分是指按照不同用戶的屬性劃分用戶集合。目前學(xué)術(shù)界和企業(yè)界一般接受的是基于用戶價(jià)值的細(xì)分理論，其不僅包含了用戶為企業(yè)貢獻(xiàn)歷史利潤(rùn)，還包含未來(lái)利潤(rùn)，也就是在未來(lái)用戶為企業(yè)可能帶來(lái)的利潤(rùn)總和。基于用戶價(jià)值的細(xì)分理論選擇客戶當(dāng)前價(jià)值與客戶潛在價(jià)值兩個(gè)因素評(píng)價(jià)用戶。用戶當(dāng)前價(jià)值是指截止到目前用戶對(duì)企業(yè)貢獻(xiàn)的總體價(jià)值；用戶潛在價(jià)值是指未來(lái)用戶可能為企業(yè)創(chuàng)造的價(jià)值總和。每個(gè)因素還能夠劃分為兩個(gè)高低檔次，進(jìn)一步產(chǎn)生一個(gè)二維的矩陣，把用戶劃分為4組，價(jià)值用戶、次價(jià)值用戶、潛在價(jià)值用戶、低價(jià)值用戶。企業(yè)在推廣過(guò)程中根據(jù)不同用戶應(yīng)當(dāng)形成對(duì)應(yīng)的方法，投入不同的資源。很明顯對(duì)于企業(yè)來(lái)說(shuō)價(jià)值用戶最重要，被認(rèn)為是企業(yè)的玉質(zhì)用戶；其次是次價(jià)值用戶，被認(rèn)為是金質(zhì)用戶，雖然數(shù)量有限，卻為企業(yè)創(chuàng)造了絕大部分的利潤(rùn)；其他則是低價(jià)值用戶，對(duì)企業(yè)來(lái)說(shuō)價(jià)值最小，成為鉛質(zhì)用戶，另外一類則是潛在價(jià)值用戶。雖然這兩類用戶擁有較多的數(shù)量，但是為企業(yè)創(chuàng)造的價(jià)值有限，甚至很小。需要我們注意的是潛在價(jià)值用戶利用再造用戶關(guān)系，將來(lái)極有可能變成價(jià)值用戶。從長(zhǎng)期分析，潛在價(jià)值用戶可以是企業(yè)的隱形財(cái)富，是企業(yè)獲得利潤(rùn)的基礎(chǔ)。將采用數(shù)據(jù)挖掘方法對(duì)這4類用戶特點(diǎn)有效挖掘。

　　3電子商務(wù)數(shù)據(jù)挖掘分析

　　3.1設(shè)計(jì)問(wèn)卷

　　研究的關(guān)鍵是電子商務(wù)用戶特征的數(shù)據(jù)挖掘，具體包含了價(jià)值用戶特征、次價(jià)值用戶特征、潛在價(jià)值用戶特征，對(duì)電子商務(wù)用戶的認(rèn)知度、用戶的需求度分析。問(wèn)卷內(nèi)容包括3部分：其一是為被調(diào)查者介紹電子商務(wù)的概念與背景；其二是具體調(diào)查被調(diào)查對(duì)象的個(gè)人信息，包含了性別、年齡、學(xué)歷、感情情況、職業(yè)、工作、生活地點(diǎn)、收入、上網(wǎng)購(gòu)物經(jīng)歷；其三是問(wèn)卷主要部分，是對(duì)用戶對(duì)電子商務(wù)的了解、需求、使用情況的指標(biāo)設(shè)計(jì)。

　　3.2調(diào)查方式

　　本次調(diào)查的問(wèn)卷主體是電腦上網(wǎng)的人群，采用隨機(jī)抽象的方式進(jìn)行網(wǎng)上訪問(wèn)。一方面采用大眾聊天工具，利用電子郵件和留言的方式發(fā)放問(wèn)卷，另一方面在大眾論壇上邀請(qǐng)其填寫(xiě)問(wèn)卷。

　　3.3數(shù)據(jù)挖掘和結(jié)果

　�。�1）選擇數(shù)據(jù)挖掘的算法利用Clementine數(shù)據(jù)挖掘軟件，采用C5.O算法挖掘預(yù)處理之后數(shù)據(jù)。

　　（2）用戶數(shù)據(jù)分析

　　1）電子商務(wù)用戶認(rèn)知度分析按照調(diào)查問(wèn)卷的問(wèn)題“您知道電子商務(wù)嗎？”得到對(duì)電子商務(wù)用戶認(rèn)知情況的統(tǒng)計(jì)，十分了解20.4%，了解30.1%，聽(tīng)過(guò)但不了解具體使用方法40.3%，從未聽(tīng)過(guò)8.9%。很多人僅聽(tīng)過(guò)電子商務(wù)，但是并不清楚具體的功能與應(yīng)用方法，甚至有一小部分人沒(méi)有聽(tīng)過(guò)電子商務(wù)。對(duì)調(diào)查問(wèn)卷問(wèn)題“您聽(tīng)過(guò)電子商務(wù)的渠道是什么？”，大部分用戶是利用網(wǎng)了解電子商務(wù)的，占40.2%；僅有76人是利用紙質(zhì)報(bào)刊雜志上知道電子商務(wù)的并且對(duì)其進(jìn)行應(yīng)用；這也表明相較于網(wǎng)絡(luò)宣傳紙質(zhì)媒體推廣電子商務(wù)的方法缺乏有效性。

　　2）電子商務(wù)用戶需求用戶希求具體是指使用產(chǎn)品服務(wù)人員對(duì)應(yīng)用產(chǎn)品或服務(wù)形成的需求或者期望。按照問(wèn)題“假如你曾經(jīng)使用電子商務(wù)，你覺(jué)得其用途怎樣，假如沒(méi)有使用過(guò)，你覺(jué)得其對(duì)自己有用嗎？”得到了認(rèn)為需要和十分需要的數(shù)據(jù)，覺(jué)得電子商務(wù)有用的用戶為40.7%，不清楚是否對(duì)自己有用的用戶為56.7%，認(rèn)為不需要的僅有2.4%。

　　3）電子商務(wù)用戶應(yīng)用意愿應(yīng)用意愿是指消費(fèi)者對(duì)某一產(chǎn)品服務(wù)進(jìn)行應(yīng)用或者購(gòu)買的一種心理欲望。按照問(wèn)題“假如可以滿足你所關(guān)心的因素，未來(lái)你會(huì)繼續(xù)應(yīng)用電子商務(wù)嗎？”獲得的數(shù)據(jù)可知，在滿足各種因素時(shí)，將來(lái)一年之內(nèi)會(huì)應(yīng)用電子商務(wù)的用戶為78.2%，一定不會(huì)應(yīng)用電子商務(wù)的用戶為1.4%。表明用戶形成了較為強(qiáng)烈的應(yīng)用電子商務(wù)欲望，電子商務(wù)發(fā)展前景很好�；�于用戶特征的電子商務(wù)數(shù)據(jù)研究，電子商務(wù)企業(yè)通過(guò)這一結(jié)果能夠更好地實(shí)行營(yíng)銷和推廣，對(duì)潛在用戶積極定位，提高用戶體驗(yàn)，積極挖掘用戶價(jià)值。分析為企業(yè)準(zhǔn)確營(yíng)銷和推廣企業(yè)提供了一個(gè)有效的借鑒。

　　4結(jié)語(yǔ)

　　互聯(lián)網(wǎng)中數(shù)據(jù)是最寶貴的資源之一，大量數(shù)據(jù)中包含了很大的潛在價(jià)值，對(duì)這些數(shù)據(jù)深入挖掘?qū)�互�?lián)網(wǎng)商務(wù)、企業(yè)推廣、傳播信息發(fā)揮了巨大的作用。近些年來(lái)，數(shù)據(jù)挖掘技術(shù)獲得了信息產(chǎn)業(yè)的極大重視，具體原因是出現(xiàn)了大量的數(shù)據(jù)，能夠廣泛應(yīng)用，并且需要轉(zhuǎn)化數(shù)據(jù)成為有價(jià)值的信息知識(shí)。通過(guò)基于用戶特征的電子商務(wù)數(shù)據(jù)挖掘研究，促使電子商務(wù)獲得巨大發(fā)展機(jī)會(huì)，發(fā)現(xiàn)潛在用戶，促使電子商務(wù)企業(yè)精準(zhǔn)營(yíng)銷。

數(shù)據(jù)挖掘論文2

　　摘 要：高度開(kāi)放的中國(guó)金融市場(chǎng)，特別是中國(guó)銀行業(yè)市場(chǎng)受到日趨激烈的國(guó)外銀行沖擊和挑戰(zhàn)，大多數(shù)銀行企業(yè)都在構(gòu)建以客戶為中心的客戶關(guān)系管理體系，這一經(jīng)營(yíng)體系理念的構(gòu)建，不僅僅能提高企業(yè)的知名度和顧客的滿意度，而且能提高企業(yè)的經(jīng)濟(jì)效益。但是，隨著網(wǎng)絡(luò)技

　　關(guān)鍵詞：客戶關(guān)系管理畢業(yè)論文

　　高度開(kāi)放的中國(guó)金融市場(chǎng)，特別是中國(guó)銀行業(yè)市場(chǎng)受到日趨激烈的國(guó)外銀行沖擊和挑戰(zhàn)，大多數(shù)銀行企業(yè)都在構(gòu)建以客戶為中心的客戶關(guān)系管理體系，這一經(jīng)營(yíng)體系理念的構(gòu)建，不僅僅能提高企業(yè)的知名度和顧客的滿意度，而且能提高企業(yè)的經(jīng)濟(jì)效益。但是，隨著網(wǎng)絡(luò)技術(shù)和信息技術(shù)的發(fā)展，客戶關(guān)系管理如何能結(jié)合數(shù)據(jù)挖掘技術(shù)和數(shù)據(jù)倉(cāng)庫(kù)技術(shù)，增強(qiáng)企業(yè)的核心競(jìng)爭(zhēng)力已經(jīng)成為企業(yè)亟待解決的問(wèn)題。因?yàn)�，企業(yè)的數(shù)據(jù)挖掘技術(shù)的運(yùn)用能夠解決客戶的矛盾，為客戶設(shè)計(jì)獨(dú)立的、擁有個(gè)性化的數(shù)據(jù)產(chǎn)品和數(shù)據(jù)服務(wù)，能夠真正意義上以客戶為核心，防范企業(yè)風(fēng)險(xiǎn)，創(chuàng)造企業(yè)財(cái)富。

　　關(guān)鍵詞：客戶關(guān)系管理畢業(yè)論文

　　一、數(shù)據(jù)挖掘技術(shù)與客戶關(guān)系管理兩者的聯(lián)系

　　隨著時(shí)代的發(fā)展，銀行客戶關(guān)系管理的發(fā)展已經(jīng)越來(lái)越依賴數(shù)據(jù)挖掘技術(shù)，而數(shù)據(jù)挖掘技術(shù)是在數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的基礎(chǔ)上應(yīng)運(yùn)而生的，兩者有機(jī)的結(jié)合能夠收集和處理大量的客戶數(shù)據(jù)，通過(guò)數(shù)據(jù)類型與數(shù)據(jù)特征，進(jìn)行整合，挖掘具有特殊意義的潛在客戶和消費(fèi)群體，能夠觀察市場(chǎng)變化趨勢(shì)，這樣的技術(shù)在國(guó)外的銀行業(yè)的客戶關(guān)系管理廣泛使用。而作為國(guó)內(nèi)的銀行企業(yè)，受到國(guó)外銀行業(yè)市場(chǎng)的大幅度沖擊，顯得有些捉襟見(jiàn)肘，面對(duì)大量的數(shù)據(jù)與快速發(fā)展的互聯(lián)網(wǎng)金融體系的沖擊，銀行業(yè)缺乏數(shù)據(jù)分析和存儲(chǔ)功能，往往造成數(shù)據(jù)的流逝，特別是在數(shù)據(jù)的智能預(yù)測(cè)與客戶關(guān)系管理還處于初步階段。我國(guó)的銀行業(yè)如何能更完善的建立客戶關(guān)系管理體系與數(shù)據(jù)挖掘技術(shù)相互融合，這樣才能使得企業(yè)獲得更強(qiáng)的企業(yè)核心競(jìng)爭(zhēng)力。

　　二、數(shù)據(jù)挖掘技術(shù)在企業(yè)客戶關(guān)系管理實(shí)行中存在的問(wèn)題

　　現(xiàn)今，我國(guó)的金融業(yè)發(fā)展存在著數(shù)據(jù)數(shù)量大，數(shù)據(jù)信息混亂等問(wèn)題，無(wú)法結(jié)合客戶關(guān)系管理的需要，建立統(tǒng)一而行之有效的數(shù)據(jù)歸納，并以客戶為中心實(shí)行客戶關(guān)系管理。

　　1.客戶信息不健全

　　在如今的銀行企業(yè)，雖然已經(jīng)實(shí)行實(shí)名制戶籍管理制度，但由于實(shí)行的年頭比較短，特別是以前的數(shù)據(jù)匱乏。重點(diǎn)體現(xiàn)在，銀行的客戶信息采集主要是姓名和身份證號(hào)碼，而對(duì)于客戶的職業(yè)、學(xué)歷等相關(guān)信息一概不知，極大的影響了客戶關(guān)系管理體系的構(gòu)建。另外，數(shù)據(jù)還不能統(tǒng)一和兼容，每個(gè)系統(tǒng)都是獨(dú)立的系統(tǒng)，比如：信貸系統(tǒng)、儲(chǔ)蓄系統(tǒng)全部分離。這樣存在交叉、就不能掌握出到底擁有多少客戶，特別是那些需要服務(wù)的目標(biāo)客戶，無(wú)法享受到銀行給予的高質(zhì)量的優(yōu)質(zhì)服務(wù)。

　　2.數(shù)據(jù)集中帶來(lái)的差異化的憂慮

　　以客戶為中心的客戶關(guān)系管理體系，是建立在客戶差異化服務(wù)的基礎(chǔ)上的，而作為銀行大多數(shù)以數(shù)據(jù)集中，全部有總行分配，這樣不僅不利于企業(yè)的差異化服務(wù)，給顧客提供優(yōu)質(zhì)得到個(gè)性化業(yè)務(wù)，同時(shí)，分行也很難對(duì)挖掘潛在客戶和分析客戶成分提供一手的數(shù)據(jù)，損失客戶的利益，做到數(shù)據(jù)集中，往往是不明智的選擇。

　　3.經(jīng)營(yíng)管理存在弊端

　　從組織結(jié)構(gòu)上，我國(guó)的銀行體系設(shè)置機(jī)構(gòu)龐雜，管理人員與生產(chǎn)服務(wù)人員脫節(jié)現(xiàn)象極其普遍，管理人員不懂業(yè)務(wù)，只是一味的抓市場(chǎng)，而沒(méi)有有效的營(yíng)銷手段，更別說(shuō)以市場(chǎng)為導(dǎo)向，以客戶為核心，建立客戶關(guān)系管理體系。大多數(shù)的人完全是靠關(guān)系而非真正意義上靠能力，另外，業(yè)務(wù)流程繁瑣，不利于客戶享受更多的星級(jí)待遇，這與數(shù)據(jù)發(fā)掘的運(yùn)用背道而馳，很難體現(xiàn)出客戶關(guān)系管理的價(jià)值。

　　三、數(shù)據(jù)挖掘技術(shù)在企業(yè)的應(yīng)用和實(shí)施

　　如何能更好的利用數(shù)據(jù)挖掘技術(shù)與客戶關(guān)系管理進(jìn)行合理的搭配和結(jié)合是現(xiàn)今我們面臨的最大問(wèn)題。所有我們對(duì)客戶信息進(jìn)行分析，利用模糊聚類分析方法對(duì)客戶進(jìn)行分類，通過(guò)建立個(gè)性化的信息服務(wù)體系，真正意義的提高客戶的價(jià)值。

　　1.優(yōu)化客戶服務(wù)

　　以客戶為中心提高服務(wù)質(zhì)量是銀行發(fā)展的根源。要利用數(shù)據(jù)挖掘技術(shù)的優(yōu)勢(shì)，發(fā)現(xiàn)信貸趨勢(shì)，及時(shí)掌握客戶的需求，為客戶提高網(wǎng)上服務(wù)，網(wǎng)上交易，網(wǎng)上查詢等功能，高度體現(xiàn)互聯(lián)網(wǎng)的作用，動(dòng)態(tài)挖掘數(shù)據(jù)，通過(guò)智能化的信貸服務(wù)，拓寬銀行業(yè)務(wù)水平，保證客戶的滿意度。

　　2.利用數(shù)據(jù)挖掘技術(shù)建立多渠道客戶服務(wù)系統(tǒng)

　　利用數(shù)據(jù)挖掘技術(shù)整合銀行業(yè)務(wù)和營(yíng)銷環(huán)節(jié)為客戶提供綜合性的服務(wù)。采用不同的渠道實(shí)現(xiàn)信息共享，針對(duì)目標(biāo)客戶推薦銀行新產(chǎn)品，拓寬新領(lǐng)域，告別傳統(tǒng)的柜臺(tái)服務(wù)體系，實(shí)行互聯(lián)網(wǎng)與柜臺(tái)體系相結(jié)合的多渠道服務(wù)媒介體系。優(yōu)化客戶關(guān)系管理理念，推進(jìn)營(yíng)銷戰(zhàn)略的執(zhí)行。提高企業(yè)的美譽(yù)度。

　　四、數(shù)據(jù)挖掘技術(shù)是銀行企業(yè)客戶關(guān)系管理體系構(gòu)建的基礎(chǔ)

　　隨著信息技術(shù)的不斷發(fā)展，網(wǎng)絡(luò)技術(shù)的快速推進(jìn)，客戶關(guān)系管理體系要緊跟時(shí)代潮流，緊密圍繞客戶為中心，利用信息優(yōu)勢(shì)，自動(dòng)獲取客戶需求，打造出更多的個(gè)性化、差異化客戶服務(wù)理念，使得為企業(yè)核心競(jìng)爭(zhēng)能力得到真正意義的提高。

數(shù)據(jù)挖掘論文3

　　隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，尤其移動(dòng)互聯(lián)網(wǎng)的爆發(fā)性發(fā)展，越來(lái)越多的公司憑借其備受歡迎的系統(tǒng)和APP如雨后春筍般發(fā)展起來(lái)，如滴滴打車、共享單車等。海量數(shù)據(jù)自此不再是Google等大公司的專利，越來(lái)越多的中小型企業(yè)也可以擁有海量數(shù)據(jù)。如何從浩如煙海的數(shù)據(jù)中挖掘出令人感興趣和有用的知識(shí)，成為越來(lái)越多的公司急需解決的問(wèn)題。因此，他們對(duì)數(shù)據(jù)挖掘分析師求賢若渴。在這一社會(huì)需求下，培養(yǎng)出優(yōu)秀的數(shù)據(jù)挖掘分析師，是各個(gè)高校目前急需完成的一項(xiàng)任務(wù)。

　　一、教學(xué)現(xiàn)狀反思

　　目前，各大高等院校本科階段爭(zhēng)相開(kāi)設(shè)數(shù)據(jù)挖掘課程。然而，該課程是一門相對(duì)較新的交叉學(xué)科，涵蓋了概率統(tǒng)計(jì)、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫(kù)等學(xué)科的知識(shí)內(nèi)容，難度較大。因此，大部分高校一般將此課程開(kāi)設(shè)在研究生階段，在本科生中開(kāi)設(shè)此課程的學(xué)校相對(duì)較少。另外，不同的學(xué)校將其歸入不同的專業(yè)中，如計(jì)算機(jī)專業(yè)、信息管理專業(yè)、統(tǒng)計(jì)學(xué)、醫(yī)學(xué)等�？梢哉f(shuō)，這一課程基本上處于探索的過(guò)程中。我院災(zāi)害信息系于20xx年在信息管理與信息系統(tǒng)本科學(xué)生中首次開(kāi)設(shè)了該課程。通過(guò)開(kāi)設(shè)此課程，學(xué)生能夠掌握數(shù)據(jù)挖掘的基本原理和各種挖掘算法等，掌握數(shù)據(jù)分析和處理、高級(jí)數(shù)據(jù)庫(kù)編程等技能，達(dá)到數(shù)據(jù)聚類、分類、關(guān)聯(lián)分析的目的。然而，通過(guò)前期教學(xué)過(guò)程，我們發(fā)現(xiàn)教學(xué)效果不理想，存在很多問(wèn)題。

　　1.數(shù)據(jù)內(nèi)驅(qū)力差

　　以往數(shù)據(jù)挖掘課程重點(diǎn)講授數(shù)據(jù)挖掘算法，對(duì)數(shù)據(jù)源的獲取和處理極少獲取。目前各大教材都在使用一些公共數(shù)據(jù)資源，這些數(shù)據(jù)資源有些已經(jīng)非常陳舊了，比如20世紀(jì)80年代的加州房?jī)r(jià)數(shù)據(jù)。這些數(shù)據(jù)脫離現(xiàn)實(shí)，分析這些數(shù)據(jù)，學(xué)生沒(méi)有任何興趣和學(xué)習(xí)動(dòng)力，也就無(wú)法發(fā)現(xiàn)價(jià)值。

　　2.過(guò)于強(qiáng)調(diào)學(xué)習(xí)數(shù)據(jù)挖掘理論及算法的學(xué)習(xí)

　　大量具有難度的數(shù)據(jù)挖掘算法的學(xué)習(xí)，使學(xué)生喪失了學(xué)習(xí)興趣，學(xué)完即忘，不知所用。

　　3.忽視對(duì)數(shù)據(jù)預(yù)處理過(guò)程的學(xué)習(xí)

　　以往所使用的公共數(shù)據(jù)源或軟件自帶數(shù)據(jù)源，數(shù)據(jù)量小，需要的預(yù)處理工作比較少；這部分內(nèi)容基本只安排一次理論課、一次實(shí)驗(yàn)課。而實(shí)際通過(guò)爬蟲(chóng)獲取的數(shù)據(jù)源數(shù)據(jù)量大；這部分工作量比較大，需要占到整個(gè)數(shù)據(jù)挖掘工作量的一半以上。因此，一次理論課和一次實(shí)驗(yàn)課是無(wú)法讓學(xué)生掌握數(shù)據(jù)預(yù)處理技能的。

　　4.算法編程實(shí)現(xiàn)難度較大

　　要求學(xué)生學(xué)習(xí)一門新的編程語(yǔ)言，如R語(yǔ)言、Python語(yǔ)言，對(duì)本科非計(jì)算機(jī)專業(yè)的學(xué)生來(lái)說(shuō)難度是非常大的，尤其是課時(shí)安排只有48課時(shí)。

　　5.數(shù)據(jù)挖掘分析及應(yīng)用技能較差

　　學(xué)生能夠理解課堂案例，但在實(shí)際應(yīng)用中，無(wú)法完成整個(gè)數(shù)據(jù)分析流程。

　　二、數(shù)據(jù)挖掘課程改革

　　該課程的教學(xué)對(duì)象是信息管理與信息系統(tǒng)專業(yè)本科大四學(xué)生。因此，培養(yǎng)實(shí)際應(yīng)用人才，使其完成整個(gè)實(shí)際數(shù)據(jù)挖掘分析流程是教師的教學(xué)目的。筆者對(duì)智聯(lián)招聘、中華英才網(wǎng)、51job等幾個(gè)大型招聘網(wǎng)站的幾百個(gè)數(shù)據(jù)挖掘分析師相關(guān)職位進(jìn)行分析，主要分析了相關(guān)職位的工作內(nèi)容、職位要求以及需求企業(yè)。數(shù)據(jù)分析師主要利用數(shù)據(jù)挖掘工具對(duì)運(yùn)營(yíng)數(shù)據(jù)等多種數(shù)據(jù)源進(jìn)行預(yù)處理、建模、挖掘、分析及優(yōu)化。該職位是受業(yè)務(wù)驅(qū)動(dòng)的，特點(diǎn)是將現(xiàn)有數(shù)據(jù)與業(yè)務(wù)相結(jié)合，最大程度地變現(xiàn)數(shù)據(jù)價(jià)值。該職位對(duì)計(jì)算機(jī)編程等相關(guān)技術(shù)不作要求，但是需要有深厚的數(shù)據(jù)挖掘理論基礎(chǔ)，熟練使用主流的數(shù)據(jù)挖掘（或統(tǒng)計(jì)分析）工具�；�于此，教師可以采取以下策略進(jìn)行教學(xué)改革。

　　1.加強(qiáng)對(duì)業(yè)務(wù)數(shù)據(jù)的理解

　　數(shù)據(jù)挖掘分析師是受業(yè)務(wù)驅(qū)動(dòng)的，所以要理解實(shí)際業(yè)務(wù)，明確本次數(shù)據(jù)挖掘要解決什么問(wèn)題。教師可以構(gòu)建案例庫(kù)，包括教師案例庫(kù)、學(xué)生討論案例庫(kù)。教師案例庫(kù)由教師構(gòu)建，可用于課堂講授。學(xué)生案例庫(kù)由學(xué)生分組構(gòu)建，并安排討論課，由學(xué)生講述、討論并提交報(bào)告。

　　2.加強(qiáng)對(duì)數(shù)據(jù)的獲取

　　對(duì)學(xué)生感興趣的數(shù)據(jù)源進(jìn)行挖掘，這樣才能更好地幫助學(xué)生理解吸收知識(shí)。因此，可以教授學(xué)生爬蟲(chóng)技術(shù)，編寫(xiě)爬蟲(chóng)程序，使其自主獲取感興趣的數(shù)據(jù)。

　　3.加強(qiáng)對(duì)數(shù)據(jù)的預(yù)處理工作

　　在數(shù)據(jù)挖掘之前使用數(shù)據(jù)預(yù)處理技術(shù)，能夠顯著提高數(shù)據(jù)挖掘模式的質(zhì)量，降低實(shí)際挖掘所需要的時(shí)間，應(yīng)將其作為整門課程的重點(diǎn)進(jìn)行學(xué)習(xí)。增加理論課程和實(shí)驗(yàn)課時(shí)，使學(xué)生掌握數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換、數(shù)據(jù)歸納等數(shù)據(jù)預(yù)處理技術(shù)，并能夠應(yīng)對(duì)各種復(fù)雜數(shù)據(jù)源，最終利用爬蟲(chóng)程序獲取的各種數(shù)據(jù)源進(jìn)行預(yù)處理工作。

　　4.強(qiáng)化數(shù)據(jù)挖掘分析

　　教師可以選擇SPSS Modeler這款所見(jiàn)即所得的數(shù)據(jù)挖掘軟件作為配套實(shí)驗(yàn)平臺(tái)。該軟件具有必需的數(shù)據(jù)預(yù)處理工具及預(yù)設(shè)的挖掘算法，學(xué)生可以把注意力放在要挖掘的數(shù)據(jù)及相關(guān)需求上，設(shè)定挖掘的主題，然后通過(guò)鼠標(biāo)的點(diǎn)擊拖拉即可完成相關(guān)主題的數(shù)據(jù)挖掘過(guò)程。學(xué)生最終可對(duì)自己獲取并已處理過(guò)的數(shù)據(jù)進(jìn)行挖掘分析。

　　5.加強(qiáng)教師外出培訓(xùn)學(xué)習(xí)

　　數(shù)據(jù)挖掘技術(shù)以及大數(shù)據(jù)技術(shù)是近來(lái)比較新穎而且發(fā)展迅速的技術(shù)。教師長(zhǎng)期身處三尺講臺(tái)之上，遠(yuǎn)離了新技術(shù)，脫離了實(shí)際。因此，需派遣教師到知名高校學(xué)習(xí)數(shù)據(jù)挖掘教學(xué)技術(shù)，到培訓(xùn)機(jī)構(gòu)進(jìn)行系統(tǒng)學(xué)習(xí)，到企業(yè)進(jìn)行實(shí)戰(zhàn)學(xué)習(xí)。

　　基于以上分析，形成了新的數(shù)據(jù)挖掘理論課程內(nèi)容和實(shí)踐課程內(nèi)容，安排如表1和表2所示。共安排48學(xué)時(shí)，其中理論課24學(xué)時(shí)，實(shí)驗(yàn)課24學(xué)時(shí)。理論課重點(diǎn)講授數(shù)據(jù)的獲取、數(shù)據(jù)的理解、數(shù)據(jù)的預(yù)處理以及常用挖掘算法。實(shí)驗(yàn)課重點(diǎn)學(xué)習(xí)基于SPSS modeler的數(shù)據(jù)挖掘，對(duì)理論課的內(nèi)容進(jìn)行實(shí)踐。整個(gè)學(xué)習(xí)以工程項(xiàng)目為載體，該工程貫穿整個(gè)學(xué)習(xí)過(guò)程。學(xué)生通過(guò)爬蟲(chóng)程序獲取自己感興趣的數(shù)據(jù)源，根據(jù)課程進(jìn)度，逐步完成后續(xù)數(shù)據(jù)的理解，再進(jìn)行預(yù)處理，建模分析，評(píng)估整個(gè)過(guò)程。在課程結(jié)束時(shí)，完成整個(gè)項(xiàng)目，并提交報(bào)告。

　　三、結(jié)論

　　在數(shù)字時(shí)代，越來(lái)越多的企業(yè)急需數(shù)據(jù)挖掘分析人才。教師應(yīng)以培養(yǎng)實(shí)際應(yīng)用人才為目的，充分培養(yǎng)學(xué)生對(duì)數(shù)據(jù)挖掘的學(xué)習(xí)興趣，以工程項(xiàng)目為載體，貫穿整個(gè)課程周期。在教學(xué)中，打牢數(shù)據(jù)獲取、理解預(yù)處理這一基石，加強(qiáng)建模挖掘分析，弱化對(duì)晦澀算法的編程學(xué)習(xí)，使學(xué)生真正掌握數(shù)據(jù)挖掘技術(shù)，滿足社會(huì)需求。

　　參考文獻(xiàn)：

　　[1]李海林.大數(shù)據(jù)環(huán)境下的數(shù)據(jù)挖掘課程教學(xué)探索[J].計(jì)算機(jī)時(shí)代，20xx（2）：54-55.

　　[2]宋威，李晉宏.項(xiàng)目驅(qū)動(dòng)的數(shù)據(jù)挖掘教學(xué)模式探討[J].中國(guó)電力教育，20xx（27）：116-177.

　　[3]徐琴.應(yīng)用型本科數(shù)據(jù)挖掘技術(shù)課程教學(xué)探討與實(shí)踐[J].電腦知識(shí)與技術(shù)，20xx，12（8）：148-149.

　　[4]李?yuàn)檴�，李�?就業(yè)需求驅(qū)動(dòng)下的本科院校數(shù)據(jù)挖掘課程內(nèi)容體系探討[J].計(jì)算機(jī)時(shí)代，20xx（2）：60-61.

數(shù)據(jù)挖掘論文4

　　摘要：隨著我國(guó)社會(huì)經(jīng)濟(jì)的不斷發(fā)展，人力資源管理也受到越來(lái)越多人們的重視，然而在如今激烈的市場(chǎng)競(jìng)爭(zhēng)下很多企業(yè)依然不重視人力資源管理，從而使得自身的整體工作效率不高。為此，筆者認(rèn)為為了提高礦建人力資源管理的質(zhì)量，應(yīng)采取數(shù)據(jù)挖掘技術(shù)來(lái)開(kāi)展工作，從而讓整個(gè)企業(yè)在激烈的市場(chǎng)競(jìng)爭(zhēng)中穩(wěn)定、長(zhǎng)久發(fā)展下去。

　　關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)；企業(yè)人力資源管理；應(yīng)用

　　1、數(shù)據(jù)挖掘技術(shù)在企業(yè)人力資源管理中應(yīng)用的現(xiàn)狀

　　隨著我國(guó)人力資源管理體系的不斷發(fā)展，隱藏在管理工作中的問(wèn)題也被逐漸顯露出來(lái)，雖然很多企業(yè)的高層管理者對(duì)人力資源管理這塊已經(jīng)高度重視，但是企業(yè)往往是希望通過(guò)運(yùn)用相關(guān)的系統(tǒng)來(lái)對(duì)人才進(jìn)行管理，基于我國(guó)社會(huì)整體經(jīng)濟(jì)實(shí)力的不斷發(fā)展以及互聯(lián)網(wǎng)信息時(shí)代的到來(lái)，數(shù)據(jù)挖掘技術(shù)也受到越來(lái)越多的企業(yè)多關(guān)注，并紛紛采用該技術(shù)對(duì)自身人力資源進(jìn)行管理，同時(shí)也將人力資源管理系統(tǒng)作為整個(gè)信息化建設(shè)過(guò)程中的核心部位，就數(shù)據(jù)調(diào)查顯示，數(shù)據(jù)挖掘技術(shù)已經(jīng)被國(guó)外很多軟件開(kāi)放式引入自身的人力資源管理工作中，并使自身內(nèi)部逐步形成了一套完整的人力資源管理系統(tǒng)體系。除此之外，數(shù)據(jù)挖掘技術(shù)也被廣泛應(yīng)用在企業(yè)的基本人力資源檔案管理工作中，隨著信息技術(shù)時(shí)代的到來(lái)，以往傳統(tǒng)的計(jì)算機(jī)管理模式對(duì)人力資源管理效率往往并不高，為此，數(shù)據(jù)挖掘技術(shù)對(duì)企業(yè)人力資管理工作是百利而無(wú)一害的。

　　2、數(shù)據(jù)挖掘技術(shù)在企業(yè)人力資源管理中的應(yīng)用

　　2、1人才的招聘

　　任何企業(yè)在發(fā)展過(guò)程中都是離不開(kāi)新鮮血液注入的，隨著目前我國(guó)市場(chǎng)經(jīng)濟(jì)競(jìng)爭(zhēng)趨勢(shì)的不斷增長(zhǎng)，企業(yè)要想穩(wěn)固發(fā)展必須要引入人力資源管理，只有這樣才能提高企業(yè)經(jīng)濟(jì)效益以及社會(huì)收益。為此，企業(yè)應(yīng)對(duì)人才進(jìn)行招聘，這也是獲取人力資源的重要手段，通過(guò)采用數(shù)據(jù)挖掘技術(shù)來(lái)吸引社會(huì)中的各類人才，并采取有效的人才管理流程來(lái)對(duì)人才進(jìn)行篩選，最終選擇質(zhì)量最佳的人才資源。與此同時(shí)，企業(yè)對(duì)人才招聘質(zhì)量的優(yōu)與良對(duì)自身內(nèi)部的員工、人類資源也會(huì)造成一定的影響，換句話來(lái)講，人才的招聘往往是企業(yè)人力資源管理工作開(kāi)展的前期階段，然而在實(shí)際人才招聘過(guò)程中很多企業(yè)總是找不到合適的人選，同時(shí)也有大量的優(yōu)質(zhì)人才也很難找的適合自身的工作，這也就加大了企業(yè)人才招聘的難度，也進(jìn)一步加大了招聘的成本，為此，企業(yè)采取數(shù)據(jù)挖掘技術(shù)可以有效降低人才招聘的成本支出，從而使自身獲得更大的經(jīng)濟(jì)收益與社會(huì)利益。

　　2、2對(duì)人才的管理

　　隨著社會(huì)對(duì)人才需求量的不斷增加，企業(yè)對(duì)員工的數(shù)據(jù)記錄和管理方式也逐步優(yōu)化，然而在很多企業(yè)人力資源管理過(guò)程中仍然存在著諸多問(wèn)題，而這些問(wèn)題的存在對(duì)企業(yè)未來(lái)發(fā)展也產(chǎn)生阻礙作用。為了企業(yè)在未來(lái)發(fā)展道路上穩(wěn)固、長(zhǎng)久發(fā)展，應(yīng)采取數(shù)據(jù)挖掘技術(shù)來(lái)對(duì)人才進(jìn)行管理，以往傳統(tǒng)的管理模式往往是對(duì)員工的基本信息以及日常考核進(jìn)行管理，這種管理方式已經(jīng)不適應(yīng)現(xiàn)在時(shí)代發(fā)展的趨勢(shì)，為此，礦建企業(yè)必要順應(yīng)當(dāng)下時(shí)代的發(fā)展趨勢(shì)來(lái)采取有效的措施來(lái)對(duì)人力資源進(jìn)行管理，現(xiàn)代化的管理模式主要強(qiáng)調(diào)的是對(duì)相關(guān)數(shù)據(jù)的分析和整理能力，通過(guò)對(duì)數(shù)據(jù)的分析來(lái)形成具有實(shí)際指導(dǎo)作用的總結(jié)，從而為企業(yè)人力資源管理工作提供有價(jià)值的參考依據(jù)。例如，在實(shí)際人力資源管理過(guò)程中可以利用數(shù)據(jù)挖掘技術(shù)來(lái)對(duì)企業(yè)內(nèi)部員工的薪資水平進(jìn)行分析，并對(duì)企業(yè)的成本控制提出有效的建議，也可以利用數(shù)據(jù)挖掘技術(shù)對(duì)企業(yè)中年紀(jì)較大的員工進(jìn)行分析，并對(duì)其進(jìn)行科學(xué)的評(píng)判，從而對(duì)其提出更有利的參考價(jià)值和依據(jù)。

　　2、3實(shí)現(xiàn)對(duì)企業(yè)人才的合理分配

　　隨著我國(guó)社會(huì)經(jīng)濟(jì)的不斷發(fā)展，人才的發(fā)展形勢(shì)也變得越來(lái)越“多元化”“個(gè)體化”。為此，筆者認(rèn)為為了進(jìn)一步提高礦建企業(yè)人力資源管理工作的質(zhì)量，應(yīng)采取數(shù)據(jù)挖掘技術(shù)來(lái)對(duì)人才進(jìn)行合理分配，并結(jié)合內(nèi)部員工的實(shí)際特點(diǎn)以及具體類型進(jìn)行客觀性的評(píng)判，這對(duì)企業(yè)的人才資源管理以及未來(lái)發(fā)展無(wú)疑是百利無(wú)一害的。通過(guò)采取數(shù)據(jù)挖掘技術(shù)不僅可以實(shí)現(xiàn)對(duì)員工的共性以及特點(diǎn)進(jìn)行分析，使每一位員工的信息資源、崗位職責(zé)得到有效劃分，同時(shí)也進(jìn)一步實(shí)現(xiàn)對(duì)企業(yè)人才的合理分配。通過(guò)對(duì)數(shù)據(jù)信息的管理技術(shù)構(gòu)建實(shí)現(xiàn)對(duì)人員分組，從而使數(shù)據(jù)挖掘技術(shù)在企業(yè)人力資源管理中得到有效利用，使其發(fā)揮最大的作用與價(jià)值，同時(shí)也進(jìn)一步提高企業(yè)人力資源管理工作的效率和和質(zhì)量，最終推動(dòng)企業(yè)穩(wěn)固、長(zhǎng)久的發(fā)展。

　　3、結(jié)語(yǔ)

　　綜上所述，隨著社會(huì)經(jīng)濟(jì)的飛速發(fā)展，建設(shè)領(lǐng)域也得到逐步提高，然而在人力資源管理工作中依然存在著諸多問(wèn)題，這些問(wèn)題的存在也嚴(yán)重阻礙我國(guó)社會(huì)經(jīng)濟(jì)的穩(wěn)固發(fā)展。所以，只有充分采用數(shù)據(jù)挖掘技術(shù)來(lái)開(kāi)展人力資源管理工作，才能提高企業(yè)的人力資源管理水平。

　　參考文獻(xiàn)：

　　［1］曾巍、數(shù)據(jù)挖掘在人力資源市場(chǎng)中的應(yīng)用與研究［D］.吉林大學(xué)，20xx

　�。�2］賴華強(qiáng)，王三銀，仲崇高、人力資源管理領(lǐng)域的數(shù)據(jù)挖掘應(yīng)用展望———以基于灰色關(guān)聯(lián)模型的離職管理實(shí)證分析為例［J］.江蘇商論.20xx（08）：42—47

　　［3］馬秦，張江、數(shù)據(jù)挖掘技術(shù)在企業(yè)人力資源管理中應(yīng)用的研究［J］.中國(guó)新通信，20xx.20（15）：232

　　［4］孫明標(biāo)、基于大數(shù)據(jù)挖掘技術(shù)下的企業(yè)人力資源管理研究［J］.現(xiàn)代營(yíng)銷（下旬刊）.20xx（01）：166

數(shù)據(jù)挖掘論文5

　　摘要：在電子商務(wù)中運(yùn)用數(shù)據(jù)挖掘技術(shù)，對(duì)服務(wù)器上的日志數(shù)據(jù)、用戶信息和訪問(wèn)鏈接信息進(jìn)行數(shù)據(jù)挖掘，有效了解客戶的購(gòu)買欲望，從而調(diào)整電子商務(wù)平臺(tái)，最終實(shí)現(xiàn)利益更大化。本文旨在了解電子商務(wù)中的數(shù)據(jù)源有哪些，發(fā)掘數(shù)據(jù)挖掘在電子商務(wù)中的具體作用，從而為數(shù)據(jù)挖掘的具體設(shè)計(jì)奠定基礎(chǔ)。

　　關(guān)鍵詞：數(shù)據(jù)挖掘電子商務(wù)數(shù)據(jù)源

　　一、電子商務(wù)中數(shù)據(jù)挖掘的數(shù)據(jù)源

　　1.服務(wù)器日志數(shù)據(jù)客戶在訪問(wèn)網(wǎng)站時(shí)，就會(huì)在服務(wù)器上產(chǎn)生相應(yīng)的服務(wù)器數(shù)據(jù)，這些文件主要是日志文件。而日志文件又可分為Ser-vicelogs、Errorlogs、Cookielogs。其中Servicelogs文件格式是最常用的標(biāo)準(zhǔn)公用日志文件格式，也是標(biāo)準(zhǔn)組合日志文件格式。標(biāo)準(zhǔn)公用日志文件的格式存儲(chǔ)關(guān)于客戶連接的物理信息。標(biāo)準(zhǔn)組合日志文件格式主要包含關(guān)于日志文件元信息的指令，如版本號(hào)，會(huì)話監(jiān)控開(kāi)始和結(jié)束的日期等。在日志文件中，Cookielogs日志文件是很重要的日志文件，是服務(wù)器為了自動(dòng)追蹤網(wǎng)站訪問(wèn)者，為單個(gè)客戶瀏覽器生成日志[1]。

　　2.客戶登記信息

　　客戶登記信息是指客戶通過(guò)Web頁(yè)輸入的、并提交給服務(wù)器的相關(guān)用戶信息，這些信息通常是關(guān)于用戶的常用特征。

　　在Web的數(shù)據(jù)挖掘中，客戶登記信息需要和訪問(wèn)日志集成，以提高數(shù)據(jù)挖掘的準(zhǔn)確度，使之能更進(jìn)一步的了解客戶。

　　3.web頁(yè)面的超級(jí)鏈接

　　輔之以監(jiān)視所有到達(dá)服務(wù)器的數(shù)據(jù)，提取其中的HTTP請(qǐng)求信息。此部分?jǐn)?shù)據(jù)主要來(lái)自瀏覽者的點(diǎn)擊流，用于考察用戶的行為表現(xiàn)。網(wǎng)絡(luò)底層信息監(jiān)聽(tīng)過(guò)濾指監(jiān)聽(tīng)整個(gè)網(wǎng)絡(luò)的所有信息流量，并根據(jù)信息源主機(jī)、目標(biāo)主機(jī)、服務(wù)協(xié)議端口等信息過(guò)濾掉垃圾數(shù)據(jù)，然后進(jìn)行進(jìn)一步的處理，如關(guān)鍵字的搜索等，最終將用戶感興趣的數(shù)據(jù)發(fā)送到給定的數(shù)據(jù)接受程序存儲(chǔ)到數(shù)據(jù)庫(kù)中進(jìn)行分析統(tǒng)計(jì)。

　　二、Web數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用通過(guò)對(duì)數(shù)據(jù)源的原始積累、仔細(xì)分析，再利用數(shù)據(jù)發(fā)掘技術(shù)，最終達(dá)到為企業(yè)為用戶服務(wù)的目的，而這些服務(wù)主要有以下幾種。

　　1.改進(jìn)站點(diǎn)設(shè)計(jì)，提高客戶訪問(wèn)的興趣對(duì)客戶來(lái)說(shuō)，傳統(tǒng)客戶與銷售商之間的空間距離在電子商務(wù)中已經(jīng)不存在了，在Internet上，每一個(gè)銷售商對(duì)于客戶來(lái)說(shuō)都是一樣的，那么如何使客戶在自己的銷售站點(diǎn)上駐留更長(zhǎng)的時(shí)間，對(duì)銷售商來(lái)說(shuō)將是一個(gè)挑戰(zhàn)。為了使客戶在自己的網(wǎng)站上駐留更長(zhǎng)的時(shí)間，就應(yīng)該對(duì)客戶的訪問(wèn)信息進(jìn)行挖掘，通過(guò)挖掘就能知道客戶的瀏覽行為，從而了解客戶的興趣及需求所在，并根據(jù)需求動(dòng)態(tài)地調(diào)整頁(yè)面，向客戶展示一個(gè)特殊的頁(yè)面，提供特有的一些商品信息和廣告，以使客戶能繼續(xù)保持對(duì)訪問(wèn)站點(diǎn)的興趣。

　　2.發(fā)現(xiàn)潛在客戶

　　在對(duì)web的客戶訪問(wèn)信息的挖掘中，利用分類技術(shù)可以在Internet上找到未來(lái)的潛在客戶。獲得這些潛在的客戶通常的市場(chǎng)策略是：先對(duì)已經(jīng)存在的訪問(wèn)者進(jìn)行分類。對(duì)于一個(gè)新的訪問(wèn)者，通過(guò)在Web上的分類發(fā)現(xiàn)，識(shí)別出這個(gè)客戶與已經(jīng)分類的老客戶的一些公共的描述，從而對(duì)這個(gè)新客戶進(jìn)行正確的歸類。然后從它所屬類判斷這個(gè)新客戶是否為潛在的購(gòu)買者，決定是否要把這個(gè)新客戶作為潛在的客戶來(lái)對(duì)待。

　　客戶的類型確定后，就可以對(duì)客戶動(dòng)態(tài)地展示W(wǎng)eb頁(yè)面，頁(yè)面的內(nèi)容取決于客戶與銷售商提供的產(chǎn)品和服務(wù)之間的關(guān)聯(lián)。

　　對(duì)于一個(gè)新的客戶，如果花了一段時(shí)間瀏覽市場(chǎng)站點(diǎn)，就可以把此客戶作為潛在的客戶并向這個(gè)客戶展示一些特殊的頁(yè)面內(nèi)容。

　　3.個(gè)性化服務(wù)

　　根據(jù)網(wǎng)站用戶的訪問(wèn)情況，為用戶提供個(gè)性化信息服務(wù)，這是許多互聯(lián)網(wǎng)應(yīng)用，尤其是互聯(lián)網(wǎng)信息服務(wù)或電子商務(wù)(網(wǎng)站)所追求的目標(biāo)。根據(jù)用戶的訪問(wèn)行為和檔案向使用者進(jìn)行動(dòng)態(tài)的推薦，對(duì)許多應(yīng)用都有很大的吸引力。Web日志挖掘是一個(gè)能夠出色地完成這個(gè)目標(biāo)的方式。通過(guò)Web數(shù)據(jù)挖掘，可以理解訪問(wèn)者的動(dòng)態(tài)行為，據(jù)此優(yōu)化電子商務(wù)網(wǎng)站的經(jīng)營(yíng)模式。通過(guò)把所掌握的大量客戶分成不同的類，對(duì)不同類的客戶提供個(gè)性化服務(wù)來(lái)提高客戶的滿意度，從而保住老客戶；通過(guò)對(duì)具有相似瀏覽行為的客戶進(jìn)行分組，提取組中客戶的共同特征，從而實(shí)現(xiàn)客戶的聚類，這可以幫助電子商務(wù)企業(yè)更好地了解客戶的興趣、消費(fèi)習(xí)慣和消費(fèi)傾向，預(yù)測(cè)他們的需求，有針對(duì)性地向他們推薦特定的商品并實(shí)現(xiàn)交叉銷售，可以提高交易成功率和交易量，提高營(yíng)銷效果。

　　例如全球最大中文購(gòu)物網(wǎng)站淘寶網(wǎng)。當(dāng)你購(gòu)買一件商品后，淘寶網(wǎng)會(huì)自動(dòng)提示你“購(gòu)買過(guò)此商品的人也購(gòu)買過(guò)……”類似的信息，這就是個(gè)性化服務(wù)的代表。

　　4.交易評(píng)價(jià)

　　現(xiàn)在幾乎每一個(gè)電子商務(wù)網(wǎng)站都增加了交易評(píng)價(jià)功能，交易評(píng)價(jià)功能主要就是為了降低交易中的信息不對(duì)稱問(wèn)題。

　　電子商務(wù)交易平臺(tái)設(shè)計(jì)了在線信譽(yù)評(píng)價(jià)系統(tǒng)，對(duì)買賣雙方的交易歷史及其評(píng)價(jià)進(jìn)行記錄。在聲譽(yù)效應(yīng)的影響下，賣家也更加重視買家的交易滿意度，并且也形成了為獲取好評(píng)減少差評(píng)而提高服務(wù)質(zhì)量的良好風(fēng)氣。交易中的不滿意（或者成為糾紛）是產(chǎn)生非好評(píng)（包括中評(píng)和差評(píng)）的直接原因。那么，交易中一般會(huì)產(chǎn)生哪些交易糾紛，這些交易糾紛的存在會(huì)如何影響交易評(píng)價(jià)結(jié)果，這些問(wèn)題的解決對(duì)賣家的經(jīng)營(yíng)具有重要的指導(dǎo)價(jià)值。

　　總結(jié)

　　數(shù)據(jù)挖掘是當(dāng)今世界研究的熱門領(lǐng)域，其研究具有廣闊的應(yīng)用前景和巨大的現(xiàn)實(shí)意義。借助數(shù)據(jù)挖掘可以改進(jìn)企業(yè)的電子商務(wù)平臺(tái)，增加企業(yè)的經(jīng)營(yíng)業(yè)績(jī)，拓寬企業(yè)的經(jīng)營(yíng)思路，最終提高企業(yè)的競(jìng)爭(zhēng)力。

　　參考文獻(xiàn)：

　　[1].趙東東.電子商務(wù)中的web數(shù)據(jù)挖掘系統(tǒng)設(shè)計(jì)[J].微計(jì)算機(jī)信息20xx,23（10-3）:168[2].劉曄.Web數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用[J].中國(guó)市場(chǎng)20xx,39（9）:178

數(shù)據(jù)挖掘論文6

　　網(wǎng)絡(luò)的發(fā)展帶動(dòng)了電子商務(wù)市場(chǎng)的繁華，大量的商品、信息在現(xiàn)有的網(wǎng)絡(luò)平臺(tái)上患上以交易，大大簡(jiǎn)化了傳統(tǒng)的交易方式，節(jié)儉了時(shí)間，提高了效力，但電子市場(chǎng)繁華違后暗藏的問(wèn)題，同樣成為人們關(guān)注的焦點(diǎn)，凸起表現(xiàn)在海量信息的有效應(yīng)用上，如何更為有效的管理應(yīng)用潛伏信息，使他們的最大功效患上以施展，成為人們現(xiàn)在鉆研的重點(diǎn)，數(shù)據(jù)發(fā)掘技術(shù)的發(fā)生，在必定程度上解決了這個(gè)問(wèn)題，但它也存在著問(wèn)題，需要不斷改善。

　　數(shù)據(jù)發(fā)掘（Data Mining）就是從大量的、不完整的、有噪聲的、隱約的、隨機(jī)的原始數(shù)據(jù)中，提取隱含在其中的、人們事前不知道的、但又是潛伏有用的信息以及知識(shí)的進(jìn)程�；蛘哒哒f(shuō)是從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)有用的知識(shí)（KDD），并進(jìn)行數(shù)據(jù)分析、數(shù)據(jù)融會(huì)（Data Fusion）和決策支撐的進(jìn)程。數(shù)據(jù)發(fā)掘是1門廣義的交叉學(xué)科，它匯聚了不同領(lǐng)域的鉆研者，特別是數(shù)據(jù)庫(kù)、人工智能、數(shù)理統(tǒng)計(jì)、可視化、并行計(jì)算等方面的學(xué)者以及工程技術(shù)人員。

　　數(shù)據(jù)發(fā)掘技術(shù)在電子商務(wù)的利用

　　一 找到潛伏客戶

　　在對(duì)于 Web 的客戶走訪信息的發(fā)掘中， 應(yīng)用分類技術(shù)可以在Internet 上找到未來(lái)的潛伏客戶。使用者可以先對(duì)于已經(jīng)經(jīng)存在的走訪者依據(jù)其行動(dòng)進(jìn)行分類，并依此分析老客戶的1些公共屬性， 抉擇他們分類的癥結(jié)屬性及互相間瓜葛。對(duì)于于1個(gè)新的走訪者， 通過(guò)在Web 上的分類發(fā)現(xiàn)， 辨認(rèn)出這個(gè)客戶與已經(jīng)經(jīng)分類的老客戶的1些公共的描寫(xiě)， 從而對(duì)于這個(gè)新客戶進(jìn)行正確的分類。然后從它的分類判斷這個(gè)新客戶是有益可圖的客戶群仍是無(wú)利可圖的客戶群，抉擇是不是要把這個(gè)新客戶作為潛伏的客戶來(lái)對(duì)于待。客戶的類型肯定后， 可以對(duì)于客戶動(dòng)態(tài)地展現(xiàn) Web 頁(yè)面， 頁(yè)面的內(nèi)容取決于客戶與銷售商提供的產(chǎn)品以及服務(wù)之間的關(guān)聯(lián)。若為潛伏客戶， 就能夠向這個(gè)客戶展現(xiàn)1些特殊的、個(gè)性化的頁(yè)面內(nèi)容。

　　二 實(shí)現(xiàn)客戶駐留

　　在電子商務(wù)中， 傳統(tǒng)客戶與銷售商之間的空間距離已經(jīng)經(jīng)不存在， 在 Internet 上， 每一1個(gè)銷售商對(duì)于于客戶來(lái)講都是1樣的， 那末使客戶在自己的銷售站點(diǎn)上駐留更長(zhǎng)的時(shí)間， 對(duì)于銷售商來(lái)講則是1個(gè)挑戰(zhàn)。為了使客戶在自己的網(wǎng)站上駐留更長(zhǎng)的時(shí)間， 就應(yīng)當(dāng)全面掌握客戶的閱讀行動(dòng)， 知道客戶的興致及需求所在， 并依據(jù)需求動(dòng)態(tài)地向客戶做頁(yè)面舉薦， 調(diào)劑 Web 頁(yè)面， 提供獨(dú)有的1些商品信息以及廣告， 以使客戶滿意， 從而延長(zhǎng)客戶在自己的網(wǎng)站上的駐留的時(shí)間。

　　三 改良站點(diǎn)的設(shè)計(jì)

　　數(shù)據(jù)發(fā)掘技術(shù)可提高站點(diǎn)的效力， Web 設(shè)計(jì)者再也不完整依托專家的定性指點(diǎn)來(lái)設(shè)計(jì)網(wǎng)站， 而是依據(jù)走訪者的信息特征來(lái)修改以及設(shè)計(jì)網(wǎng)站結(jié)構(gòu)以及外觀。站點(diǎn)上頁(yè)面內(nèi)容的支配以及連接就如超級(jí)市場(chǎng)中物品的貨架左右1樣， 把擁有必定支撐度以及信任度的相干聯(lián)的物品擺放在1起有助于銷售。網(wǎng)站盡量做到讓客戶等閑地走訪到想走訪的頁(yè)面， 給客戶留下好的印象， 增添下次走訪的機(jī)率。

　　四 進(jìn)行市場(chǎng)預(yù)測(cè)

　　通過(guò) Web 數(shù)據(jù)發(fā)掘， 企業(yè)可以分析顧客的將來(lái)行動(dòng)， 容易評(píng)測(cè)市場(chǎng)投資回報(bào)率， 患上到可靠的市場(chǎng)反饋信息。不但大大降低公司的運(yùn)營(yíng)本錢， 而且便于經(jīng)營(yíng)決策的制訂。

　　數(shù)據(jù)發(fā)掘在利用中面臨的問(wèn)題

　　一數(shù)據(jù)發(fā)掘分析變量的選擇

　　數(shù)據(jù)發(fā)掘的基本問(wèn)題就在于數(shù)據(jù)的數(shù)量以及維數(shù)，數(shù)據(jù)結(jié)構(gòu)顯的無(wú)比繁雜，數(shù)據(jù)分析變量即是在數(shù)據(jù)發(fā)掘中技術(shù)利用中發(fā)生的，選擇適合的分析變量，將提高數(shù)據(jù)發(fā)掘的效力，尤其合用于電子商務(wù)中大量商品和用戶信息的處理。

　　針對(duì)于這1問(wèn)題，咱們完整可以用分類的法子，分析出不同信息的屬性和呈現(xiàn)頻率進(jìn)而抽象出變量，運(yùn)用到所選模型中，進(jìn)行分析。

　　二數(shù)據(jù)抽取的法子的選擇

　　數(shù)據(jù)抽取的目的是對(duì)于數(shù)據(jù)進(jìn)行濃縮，給出它的緊湊描寫(xiě)，如乞降值、平均值、方差值、等統(tǒng)計(jì)值、或者者用直方圖、餅狀圖等圖形方式表示，更主要的是他從數(shù)據(jù)泛化的角度來(lái)討論數(shù)據(jù)總結(jié)。數(shù)據(jù)泛化是1種把最原始、最基本的信息數(shù)據(jù)從低層次抽象到高層次上的進(jìn)程。可采取多維數(shù)據(jù)分析法子以及面向?qū)傩缘臍w納法子。

　　在電子商務(wù)流動(dòng)中，采取維數(shù)據(jù)分析法子進(jìn)行數(shù)據(jù)抽取，他針對(duì)于的是電子商務(wù)流動(dòng)中的客戶數(shù)據(jù)倉(cāng)庫(kù)。在數(shù)據(jù)分析中時(shí)常要用到諸如乞降、共計(jì)、平均、最大、最小等匯集操作，這種操作的計(jì)算量尤其大，可把匯集操作結(jié)果預(yù)先計(jì)算并存儲(chǔ)起來(lái)，以便用于決策支撐系統(tǒng)使用

　　三數(shù)據(jù)趨勢(shì)的.預(yù)測(cè)

　　數(shù)據(jù)是海量的，那末數(shù)據(jù)中就會(huì)隱含必定的變化趨勢(shì)，在電子商務(wù)中對(duì)于數(shù)據(jù)趨勢(shì)的預(yù)測(cè)尤為首要，尤其是對(duì)于客戶信息和商品信息公道的預(yù)測(cè)，有益于企業(yè)有效的決策，取得更多地利潤(rùn)。但如何對(duì)于這1趨勢(shì)做出公道的預(yù)測(cè)，現(xiàn)在尚無(wú)統(tǒng)1標(biāo)準(zhǔn)可尋，而且在進(jìn)行數(shù)據(jù)發(fā)掘進(jìn)程中大量數(shù)據(jù)構(gòu)成文本后格式的非標(biāo)準(zhǔn)化，也給數(shù)據(jù)的有效發(fā)掘帶來(lái)了難題。

　　針對(duì)于這1問(wèn)題的發(fā)生，咱們?cè)陔娮由虅?wù)中可以利用聚類分析的法子，把擁有類似閱讀模式的用戶集中起來(lái)，對(duì)于其進(jìn)行詳細(xì)的分析，從而提供更合適、更令用戶滿意的服務(wù)。聚類分析法子的優(yōu)勢(shì)在于便于用戶在查看日志時(shí)對(duì)于商品及客戶信息有全面及清晰的把握，便于開(kāi)發(fā)以及執(zhí)行未來(lái)的市場(chǎng)戰(zhàn)略，包含自動(dòng)給1個(gè)特定的顧客聚類發(fā)送銷售郵件，為1個(gè)顧客聚類動(dòng)態(tài)地扭轉(zhuǎn)1個(gè)特殊的站點(diǎn)等，這不管對(duì)于客戶以及銷售商來(lái)講都是成心義。

　　四數(shù)據(jù)模型的可靠性

　　數(shù)據(jù)模型包含概念數(shù)據(jù)模型、邏輯數(shù)據(jù)模型、物理模型。數(shù)據(jù)發(fā)掘的模型目前也有多種，包含采集模型、處理模型及其他模型，但不管哪一種模型都不是很成熟存在缺點(diǎn)，對(duì)于數(shù)據(jù)模型不同采取不同的方式利用�？赡馨l(fā)生不同的結(jié)果，乃至差異很大，因而這就觸及到數(shù)據(jù)可靠性的問(wèn)題。數(shù)據(jù)的可靠性對(duì)于于電子商務(wù)來(lái)講尤為首要作用。

　　針對(duì)于這1問(wèn)題，咱們要保障數(shù)據(jù)在發(fā)掘進(jìn)程中的可靠性，保證它的準(zhǔn)確性與實(shí)時(shí)性，進(jìn)而使其在最后的結(jié)果中的準(zhǔn)確度到達(dá)最高，同時(shí)在利用模型進(jìn)程中要盡可能全面的分析問(wèn)題，防止片面，而且分析結(jié)果要由多人進(jìn)行評(píng)價(jià)，從而最大限度的保證數(shù)據(jù)的可靠性。

　　五數(shù)據(jù)發(fā)掘觸及到數(shù)據(jù)的私有性以及安全性

　　大量的數(shù)據(jù)存在著私有性與安全性的問(wèn)題，尤其是電子商務(wù)中的各種信息，這就給數(shù)據(jù)發(fā)掘造成為了必定的阻礙，如何解決這1問(wèn)題成了技術(shù)在利用中的癥結(jié)。

　　為此相干人員在進(jìn)行數(shù)據(jù)發(fā)掘進(jìn)程中必定要遵照職業(yè)道德，保障信息的秘要性。

　　六數(shù)據(jù)發(fā)掘結(jié)果的不肯定性

　　數(shù)據(jù)發(fā)掘結(jié)果擁有不肯定性的特征，由于發(fā)掘的目的不同所以最后發(fā)掘的結(jié)果自然也會(huì)千差萬(wàn)別，以因而這就需要咱們與所要發(fā)掘的目的相結(jié)合，做出公道判斷，患上出企業(yè)所需要的信息，便于企業(yè)的決策選擇。進(jìn)而到達(dá)提高企業(yè)經(jīng)濟(jì)效益，取得更多利潤(rùn)的目的。

　　數(shù)據(jù)發(fā)掘可以發(fā)現(xiàn)1些潛伏的用戶，對(duì)于于電子商務(wù)來(lái)講是1個(gè)不可或者缺的技術(shù)支撐，數(shù)據(jù)發(fā)掘的勝利請(qǐng)求使用者對(duì)于指望解決問(wèn)題的領(lǐng)域有深入的了解，數(shù)據(jù)發(fā)掘技術(shù)在必定程度上解決了電子商務(wù)信息不能有效應(yīng)用的問(wèn)題，但它在運(yùn)用進(jìn)程中呈現(xiàn)的問(wèn)題也亟待人們?nèi)ソ鉀Q。相信數(shù)據(jù)發(fā)掘技術(shù)的改良將推動(dòng)電子商務(wù)的深刻發(fā)展。

　　參考文獻(xiàn)：

　　[一]胡迎松，寧海霞。 1種新型的Web發(fā)掘數(shù)據(jù)采集模型[J]。計(jì)算機(jī)工程與科學(xué)，二00七

　　[二] 章寒雁，楊瑞珍。數(shù)據(jù)發(fā)掘技術(shù)在電子商務(wù)中的鉆研與利用[J]。計(jì)算機(jī)與網(wǎng)絡(luò)，二00七

　　[三]董德民。 面向電子商務(wù)的Web使用發(fā)掘及其利用鉆研[J]。中國(guó)管理信息化，二00六

　　[四] 尹中強(qiáng)。電子商務(wù)中的 Web 數(shù)據(jù)發(fā)掘技術(shù)利用[J]。計(jì)算機(jī)與信息技術(shù)，二00七

數(shù)據(jù)挖掘論文7

　　摘要：隨著科學(xué)技術(shù)的不斷發(fā)展，計(jì)算機(jī)的使用也愈來(lái)愈廣泛，他已經(jīng)發(fā)展到各個(gè)行業(yè)，現(xiàn)如今保險(xiǎn)行業(yè)也就相應(yīng)的業(yè)務(wù)引進(jìn)了計(jì)算機(jī)業(yè)務(wù)系統(tǒng)，而在20xx年8月，我國(guó)也出臺(tái)了《國(guó)務(wù)院關(guān)于加快發(fā)展現(xiàn)代保險(xiǎn)服務(wù)業(yè)的若干意見(jiàn)》這一舉措的有效實(shí)施，從政策上為保險(xiǎn)行業(yè)的快速發(fā)展提供相應(yīng)了保障。而如何在這些被積累下來(lái)的寶貴數(shù)據(jù)中，分析挖掘出新的商機(jī)及財(cái)富，就成為了我國(guó)當(dāng)前保險(xiǎn)行業(yè)發(fā)展的重要突破口。本篇文章就從數(shù)據(jù)挖掘技術(shù)的應(yīng)用方面、概念、必要性，以及方法手段進(jìn)行了深入探討與分析其對(duì)財(cái)產(chǎn)保險(xiǎn)應(yīng)用的意義。

　　關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)；財(cái)產(chǎn)保險(xiǎn)；應(yīng)用；分析

　　在最近幾年中，我國(guó)對(duì)于保險(xiǎn)行業(yè)給予了高度的關(guān)注與重視并出臺(tái)了許多與之相對(duì)應(yīng)的相關(guān)政策，這些政策的發(fā)行對(duì)于我國(guó)的保險(xiǎn)行業(yè)帶來(lái)的極大程度的發(fā)展空間。而我國(guó)的保險(xiǎn)行業(yè)也開(kāi)始了轉(zhuǎn)型，正在從粗放型經(jīng)營(yíng)向集約化經(jīng)營(yíng)管理進(jìn)行過(guò)度，最明顯的改變就是之前只注重新客戶的開(kāi)發(fā)而忘記顧忌老客戶的需求與發(fā)展，但是現(xiàn)在是同時(shí)注重新老客戶的需求與發(fā)展，從根本上實(shí)現(xiàn)“兩手抓”的政策，所以這種新的形式背景下，計(jì)算機(jī)中保險(xiǎn)行業(yè)所留的數(shù)據(jù)就成為極為重要的挖掘資源。

　　一、解析數(shù)據(jù)挖掘技術(shù)在財(cái)產(chǎn)保險(xiǎn)分析中的應(yīng)用

　　（一）提升財(cái)險(xiǎn)客戶服務(wù)能力

　　對(duì)于任何一個(gè)公司來(lái)說(shuō)沒(méi)有客戶所有的產(chǎn)品經(jīng)營(yíng)都是紙上談兵，這對(duì)于服務(wù)行業(yè)的財(cái)產(chǎn)保險(xiǎn)公司更是如此，所以對(duì)此所以財(cái)產(chǎn)保險(xiǎn)行業(yè)就面臨著轉(zhuǎn)型升級(jí)的事情財(cái)產(chǎn)行業(yè)的轉(zhuǎn)型就意味著面臨著面向客戶的服務(wù)質(zhì)量的提升。在現(xiàn)如今的經(jīng)濟(jì)情況下，保險(xiǎn)消費(fèi)者對(duì)于保險(xiǎn)行業(yè)知識(shí)的了解日益增加，保險(xiǎn)意識(shí)也是越發(fā)的加強(qiáng)�？蛻魧�(duì)于保險(xiǎn)行業(yè)也出現(xiàn)了個(gè)性化與差異化的需求。從這里就要求保險(xiǎn)公司通過(guò)數(shù)據(jù)挖掘技術(shù)對(duì)客戶的需求進(jìn)行更深一層的分析與探索，通過(guò)探究與分析的結(jié)果明確而客戶的需要，并為有更高需求的客戶提供更適合他的保險(xiǎn)產(chǎn)品，從而提高業(yè)務(wù)服務(wù)水平，吸引更多的優(yōu)質(zhì)客源，來(lái)增強(qiáng)市場(chǎng)的競(jìng)爭(zhēng)力。例如，在對(duì)客戶進(jìn)行細(xì)分的時(shí)候，可以通過(guò)數(shù)據(jù)挖掘技術(shù)中的“二八定律”，對(duì)客戶進(jìn)行細(xì)分。通過(guò)細(xì)分得出結(jié)果，參照數(shù)據(jù)根據(jù)每個(gè)客戶群體的風(fēng)險(xiǎn)偏好、特點(diǎn)以及需求為他們量身定制適合他們自身的新產(chǎn)品，并制定對(duì)應(yīng)適合的費(fèi)照新差旅費(fèi)管理辦法正確規(guī)范填寫(xiě)市內(nèi)交通補(bǔ)助、伙食補(bǔ)助、城市間交通費(fèi)、和住宿費(fèi)金額。并填寫(xiě)上合計(jì)金額，不得出現(xiàn)多報(bào)的行為，從而提高差旅費(fèi)報(bào)銷工作的質(zhì)量。

　　（二）風(fēng)險(xiǎn)管理和合規(guī)經(jīng)營(yíng)

　　每個(gè)保險(xiǎn)公司的生命底線就是合規(guī)經(jīng)營(yíng)以及對(duì)風(fēng)險(xiǎn)的管理，所以每個(gè)保險(xiǎn)公司必須在運(yùn)營(yíng)生產(chǎn)中嚴(yán)格的遵守國(guó)家的法律法規(guī)，不許做出違反法律底線的事情，而風(fēng)險(xiǎn)管理對(duì)于保險(xiǎn)公司來(lái)說(shuō)具有兩層含義，其實(shí)并不簡(jiǎn)單，一方面是需要對(duì)于企業(yè)自身的風(fēng)險(xiǎn)進(jìn)行管理；另一方面是對(duì)于客戶所帶來(lái)的風(fēng)險(xiǎn)進(jìn)行管理。對(duì)于保險(xiǎn)公司來(lái)說(shuō)這兩方面的風(fēng)險(xiǎn)是相互作用、相輔相成的，第一個(gè)方面的風(fēng)險(xiǎn)管理出現(xiàn)問(wèn)題后者的風(fēng)險(xiǎn)管理就會(huì)成為空談，反之第二方面的風(fēng)險(xiǎn)管理沒(méi)有得到很好的管理，極大可能會(huì)引起前者管理出現(xiàn)問(wèn)題。而恰恰數(shù)據(jù)挖掘技術(shù)的應(yīng)用，就可以為財(cái)產(chǎn)保險(xiǎn)企業(yè)規(guī)避風(fēng)險(xiǎn)起到很大的幫助。保險(xiǎn)公司可以以計(jì)算機(jī)為使用的工具，通過(guò)數(shù)據(jù)挖掘的技術(shù)，可以對(duì)數(shù)據(jù)內(nèi)大量的信息進(jìn)行查找并比對(duì)分析，高效的識(shí)別出在計(jì)算機(jī)內(nèi)不符合正常業(yè)務(wù)邏輯的數(shù)據(jù)，這樣管理者就可以及時(shí)就這些風(fēng)險(xiǎn)數(shù)據(jù)和業(yè)務(wù)漏洞進(jìn)行監(jiān)測(cè)與管控，以減少違法亂紀(jì)的事情發(fā)生，逐步消除或減少隱藏的風(fēng)險(xiǎn)。保障保險(xiǎn)業(yè)健康有序的發(fā)展，為市場(chǎng)經(jīng)濟(jì)持續(xù)健康的進(jìn)一步發(fā)展保駕護(hù)航。

　　（三）開(kāi)發(fā)新產(chǎn)品

　　新的保險(xiǎn)產(chǎn)品的開(kāi)發(fā)對(duì)于增強(qiáng)保險(xiǎn)公司的公司收益、內(nèi)容、滿足消費(fèi)者的需求以及競(jìng)爭(zhēng)力等方面起著重要的作用，這也是經(jīng)營(yíng)保險(xiǎn)公司的首要內(nèi)容。新產(chǎn)品的開(kāi)發(fā)是指保險(xiǎn)公司針對(duì)當(dāng)前市場(chǎng)的需求、想要達(dá)到的效果與自身情況相結(jié)合的產(chǎn)物，而在原有的產(chǎn)品上加以重新的組合與設(shè)計(jì)的創(chuàng)造與改良，來(lái)滿足市場(chǎng)的需求，進(jìn)而提高公司自身的競(jìng)爭(zhēng)力的過(guò)程與行為。后者自不必說(shuō)，基于我國(guó)財(cái)產(chǎn)保險(xiǎn)公司數(shù)據(jù)庫(kù)信息方面已經(jīng)積累了很多，而后通過(guò)對(duì)信息的數(shù)據(jù)進(jìn)行發(fā)掘，使實(shí)現(xiàn)新產(chǎn)品的開(kāi)發(fā)成為可能。譬如，通過(guò)數(shù)據(jù)挖掘技術(shù)，我們可以使用現(xiàn)有產(chǎn)品進(jìn)行進(jìn)一步的完善、修正或者拆分、組合的，使其變成一全新的保險(xiǎn)產(chǎn)品，他會(huì)更接近客戶的需求，滿足客戶的真實(shí)所需，同時(shí)也能夠增加市場(chǎng)的銷量，增強(qiáng)市場(chǎng)競(jìng)爭(zhēng)力。就以原有的普通財(cái)產(chǎn)保險(xiǎn)為例子，在保險(xiǎn)有效期內(nèi)未出現(xiàn)任何對(duì)客戶的產(chǎn)才造成損失的情況下，客戶所繳納的保險(xiǎn)費(fèi)用是不予以退還的，在財(cái)產(chǎn)保險(xiǎn)的有效期過(guò)后，客戶所繳納的保險(xiǎn)費(fèi)是由保險(xiǎn)公司所擁有的。這樣的保險(xiǎn)產(chǎn)品是不被大多數(shù)客戶所看好與接受的，即使有客戶在第一次購(gòu)買了此保險(xiǎn)，但之后是不會(huì)在對(duì)本產(chǎn)品進(jìn)行第二次的投資的。而現(xiàn)在通過(guò)數(shù)據(jù)挖掘的技術(shù)，保險(xiǎn)公司可以根據(jù)對(duì)客戶信息的了解進(jìn)行分析，保險(xiǎn)公司推出了一款新的家庭財(cái)產(chǎn)兩全保險(xiǎn)保險(xiǎn)，這是一種全新的保險(xiǎn)類別。全新的家庭財(cái)產(chǎn)保險(xiǎn)，他所需要交納的是保險(xiǎn)儲(chǔ)備金，比如每份保險(xiǎn)金額為50000元的家庭財(cái)產(chǎn)兩全保險(xiǎn)，則保險(xiǎn)儲(chǔ)金為5000元，投保人必須根據(jù)保險(xiǎn)金額一次性交納保險(xiǎn)儲(chǔ)備金，保險(xiǎn)人可以將保險(xiǎn)儲(chǔ)備金的利息作為保險(xiǎn)費(fèi)。在保險(xiǎn)期滿后，無(wú)論是不是在保險(xiǎn)期內(nèi)發(fā)生賠付的情況，保險(xiǎn)公司都會(huì)將保險(xiǎn)人的全部的保險(xiǎn)儲(chǔ)金如數(shù)退還。自從出現(xiàn)了這種投保方式，客戶的接受度得到了大大的提高，全新的家庭財(cái)產(chǎn)保險(xiǎn)，一方面使保險(xiǎn)人保險(xiǎn)中得到了應(yīng)得的利益，另一方面投保人的財(cái)產(chǎn)也得到了保險(xiǎn)，從而在市場(chǎng)的銷售份額上面也得到了迅速提升。

　　二、保險(xiǎn)業(yè)數(shù)據(jù)挖掘技術(shù)及應(yīng)用的必要性

　　（一）保險(xiǎn)業(yè)數(shù)據(jù)挖掘技術(shù)的含義

　　什么是保險(xiǎn)行業(yè)的數(shù)據(jù)挖掘技術(shù)，就是從客戶管理的角度出發(fā)，針對(duì)保險(xiǎn)行業(yè)數(shù)據(jù)庫(kù)系統(tǒng)內(nèi)大量的保險(xiǎn)單，對(duì)客戶的信用數(shù)據(jù)進(jìn)行屬性變量提取，進(jìn)而采用自動(dòng)化或半自動(dòng)化等多種挖掘技巧和方法來(lái)對(duì)客戶的數(shù)據(jù)進(jìn)行分析，找到潛在的有價(jià)值的信息.

　　（二）數(shù)據(jù)挖掘的過(guò)程及方法

　　數(shù)據(jù)挖掘是一個(gè)跨越多種學(xué)科的交叉技術(shù)，主要的用途是利用各種數(shù)據(jù)為商業(yè)上存在的問(wèn)題提供切實(shí)可行的方法與數(shù)據(jù)。數(shù)據(jù)挖掘的過(guò)程有以下幾個(gè)步驟：業(yè)務(wù)理解→數(shù)據(jù)準(zhǔn)備→數(shù)據(jù)理解→構(gòu)建模型→測(cè)試設(shè)計(jì)→做出評(píng)價(jià)→實(shí)施應(yīng)用。在數(shù)據(jù)挖掘方面有三個(gè)常用的方法：DM、SEMMA以及CRISP等分析方法。同時(shí)我們需要根據(jù)實(shí)際情況來(lái)運(yùn)用數(shù)據(jù)挖掘技術(shù)，選擇最適當(dāng)?shù)姆椒ǎ�要想將�?shù)據(jù)挖掘技術(shù)達(dá)到最佳的效果必須針對(duì)具體的流程做出相應(yīng)的調(diào)節(jié)。

　　（三）保險(xiǎn)行業(yè)應(yīng)用數(shù)據(jù)挖掘技術(shù)的必要性

　　在保險(xiǎn)行業(yè)的運(yùn)營(yíng)中，常常會(huì)出現(xiàn)一下的幾個(gè)問(wèn)題：例如，細(xì)分客戶的問(wèn)題：對(duì)于不同的社會(huì)收入階層、不同年齡段、不同的行業(yè)的客戶，該怎么樣去確定其的保險(xiǎn)金額呢？客戶的成長(zhǎng)問(wèn)題：如何把握時(shí)機(jī)對(duì)客戶進(jìn)行交叉銷售；險(xiǎn)種關(guān)聯(lián)分析問(wèn)題：在對(duì)購(gòu)買某種保險(xiǎn)的客戶進(jìn)行分析與探查，觀察其是否在同一時(shí)間購(gòu)買另一種保險(xiǎn)產(chǎn)品，客戶的獲取問(wèn)題：如何在付出最小的成本獲得最有價(jià)值的客戶的挽留及索賠優(yōu)化的問(wèn)題：如何對(duì)索賠受理的過(guò)程進(jìn)行優(yōu)化，挽留住有價(jià)值的投保人。保險(xiǎn)公司在完成數(shù)據(jù)的匯總后，所獲取的業(yè)務(wù)及大量客戶信息，不過(guò)是對(duì)公司當(dāng)前所處的市場(chǎng)環(huán)境、企業(yè)經(jīng)營(yíng)情況及客戶基本資料的記錄及反映。而進(jìn)行數(shù)據(jù)集中的信息系統(tǒng)，也只能是對(duì)數(shù)據(jù)庫(kù)中的這部分?jǐn)?shù)據(jù)進(jìn)行簡(jiǎn)單的操作處理，并不能從中發(fā)現(xiàn)并提取這些數(shù)據(jù)中蘊(yùn)含的具有深層次價(jià)值的信息。所以，如若想在決策層面給出解決答案，是不可能實(shí)現(xiàn)的。而如果采用數(shù)據(jù)挖掘技術(shù)來(lái)對(duì)數(shù)據(jù)庫(kù)中所存在的大量的數(shù)據(jù)進(jìn)行高水平而深層次的分析，就能夠?yàn)閷?shí)現(xiàn)保險(xiǎn)公司的決策及科學(xué)經(jīng)營(yíng)提供切實(shí)可行的依據(jù)，因此此技術(shù)的出現(xiàn)從而得到了許多保險(xiǎn)公司的應(yīng)用與重視。

　　三、結(jié)論

　　我國(guó)經(jīng)濟(jì)的發(fā)展正在向新常態(tài)的方向進(jìn)行轉(zhuǎn)變，而我國(guó)財(cái)產(chǎn)保險(xiǎn)市場(chǎng)的競(jìng)爭(zhēng)也日益激烈。為了面對(duì)這些挑戰(zhàn)，各個(gè)保險(xiǎn)公司都復(fù)出了努力在積極的面向轉(zhuǎn)型，由傳統(tǒng)的粗放式經(jīng)營(yíng)向集約化經(jīng)營(yíng)的方式進(jìn)行過(guò)度，面向客戶的營(yíng)銷模式也是在這之中產(chǎn)生出來(lái)的。在這種轉(zhuǎn)型過(guò)度的過(guò)程中，財(cái)產(chǎn)保險(xiǎn)公司對(duì)于數(shù)據(jù)挖掘技術(shù)進(jìn)行充分的利用，使公司的風(fēng)險(xiǎn)管理能力、產(chǎn)品創(chuàng)新能力經(jīng)營(yíng)能力、盈利能力、客戶服務(wù)能力、和業(yè)務(wù)發(fā)展?jié)摿Χ嫉玫搅巳�面的大幅度提升。在�?duì)我國(guó)經(jīng)濟(jì)建設(shè)的繁榮以及促進(jìn)財(cái)產(chǎn)保險(xiǎn)公司自身的長(zhǎng)遠(yuǎn)發(fā)展，都做出了不可磨滅的貢獻(xiàn)，也是對(duì)國(guó)家的號(hào)召積極的響應(yīng)，進(jìn)而對(duì)市場(chǎng)經(jīng)濟(jì)持續(xù)發(fā)展也做出了不少的貢獻(xiàn)。

　　參考文獻(xiàn)：

　　[1]高文文.數(shù)據(jù)挖掘技術(shù)在財(cái)產(chǎn)保險(xiǎn)分析中的應(yīng)用[D].河北科技大學(xué),20xx.

　　[2]楊杉,何躍.數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘技術(shù)在保險(xiǎn)公司中的應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展,20xx.

　　[3]葛春燕.數(shù)據(jù)挖掘技術(shù)在保險(xiǎn)公司客戶評(píng)估中的應(yīng)用研究[J].軟件,20xx.

　　[4]陳慶文.數(shù)據(jù)挖掘在財(cái)產(chǎn)保險(xiǎn)公司應(yīng)用研究——以人保財(cái)險(xiǎn)公司為例[D].對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué),20xx.

數(shù)據(jù)挖掘論文8

　　摘要：數(shù)據(jù)挖掘是一種特殊的數(shù)據(jù)分析過(guò)程，其不僅在功能上具有多樣性，同時(shí)還具有著自動(dòng)化、智能化處理以及抽象化分析判斷的特點(diǎn)，對(duì)于計(jì)算機(jī)犯罪案件中的信息取證有著非常大的幫助。本文結(jié)合數(shù)據(jù)挖掘技術(shù)的概念與功能，對(duì)其在計(jì)算機(jī)犯罪取證中的應(yīng)用進(jìn)行了分析。

　　關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)；計(jì)算機(jī)；犯罪取證

　　隨著信息技術(shù)與互聯(lián)網(wǎng)的不斷普及，計(jì)算機(jī)犯罪案件變得越來(lái)越多，同時(shí)由于計(jì)算機(jī)犯罪的隱蔽性、復(fù)雜性特點(diǎn)，案件偵破工作也具有著相當(dāng)?shù)碾y度，而數(shù)據(jù)挖掘技術(shù)不僅能夠?qū)τ?jì)算機(jī)犯罪案件中的原始數(shù)據(jù)進(jìn)行分析并提取出有效信息，同時(shí)還能夠?qū)崿F(xiàn)與其他案件的對(duì)比，而這些對(duì)于計(jì)算機(jī)犯罪案件的偵破都是十分有利的。

　　1數(shù)據(jù)挖掘技術(shù)的功能與應(yīng)用分析

　　1.1數(shù)據(jù)挖掘技術(shù)的概念

　　數(shù)據(jù)挖掘技術(shù)是針對(duì)當(dāng)前信息時(shí)代下海量的網(wǎng)絡(luò)數(shù)據(jù)信息而言的，簡(jiǎn)單來(lái)說(shuō)，就是從大量的、不完全的、有噪聲的、模糊的隨機(jī)數(shù)據(jù)中對(duì)潛在的有效知識(shí)進(jìn)行自動(dòng)提取，從而為判斷決策提供有利的信息支持。同時(shí)，從數(shù)據(jù)挖掘所能夠的得到的知識(shí)來(lái)看，主要可以分為廣義型知識(shí)、分類型知識(shí)、關(guān)聯(lián)性知識(shí)、預(yù)測(cè)性知識(shí)以及離型知識(shí)幾種。

　　1.2數(shù)據(jù)挖掘技術(shù)的功能

　　根據(jù)數(shù)據(jù)挖掘技術(shù)所能夠提取的不同類型知識(shí)，數(shù)據(jù)挖掘技術(shù)也可以在此基礎(chǔ)上進(jìn)行功能分類，如關(guān)聯(lián)分析、聚類分析、孤立點(diǎn)分析、時(shí)間序列分析以及分類預(yù)測(cè)等都是數(shù)據(jù)挖掘技術(shù)的重要功能之一，而其中又以關(guān)聯(lián)分析與分類預(yù)測(cè)最為主要。大量的數(shù)據(jù)中存在著多個(gè)項(xiàng)集，各個(gè)項(xiàng)集之間的取值往往存在著一定的規(guī)律性，而關(guān)聯(lián)分析則正是利用這一點(diǎn)，對(duì)各項(xiàng)集之間的關(guān)聯(lián)關(guān)系進(jìn)行挖掘，找到數(shù)據(jù)間隱藏的關(guān)聯(lián)網(wǎng)，主要算法有FP-Growth算法、Apriori算法等。在計(jì)算機(jī)犯罪取證中，可以先對(duì)犯罪案件中的特征與行為進(jìn)行深度的挖掘，從而明確其中所存在的聯(lián)系，同時(shí)，在獲得審計(jì)數(shù)據(jù)后，就可以對(duì)其中的審計(jì)信息進(jìn)行整理并中存入到數(shù)據(jù)庫(kù)中進(jìn)行再次分析，從而達(dá)到案件樹(shù)立的效果，這樣，就能夠清晰的判斷出案件中的行為是否具有犯罪特征[1]。而分類分析則是對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行分類整理，以明確所獲得數(shù)據(jù)中的相關(guān)性的一種數(shù)據(jù)挖掘功能。在分類分析的過(guò)程中，已知數(shù)據(jù)會(huì)被分為不同的數(shù)據(jù)組，并按照具體的數(shù)據(jù)屬性進(jìn)行明確分類，之后再通過(guò)對(duì)分組中數(shù)據(jù)屬性的具體分析，最終就可以得到數(shù)據(jù)屬性模型。在計(jì)算機(jī)犯罪案件中，可以將按照這種數(shù)據(jù)分類、分析的方法得到案件的數(shù)據(jù)屬性模型，之后將這一數(shù)據(jù)屬性模型與其他案件的數(shù)據(jù)屬性模型進(jìn)行對(duì)比，這樣就能夠判斷嫌疑人是否在作案動(dòng)機(jī)、發(fā)生規(guī)律以及具體特征等方面與其他案件模型相符，也就是說(shuō)，一旦這一案件的數(shù)據(jù)模型屬性與其他案件的數(shù)據(jù)模型屬性大多相符，那么這些數(shù)據(jù)就可以被確定為犯罪證據(jù)。此外，在不同案件間的共性與差異的基礎(chǔ)上，分類分析還可以實(shí)現(xiàn)對(duì)于未知數(shù)據(jù)信息或類似數(shù)據(jù)信息的有效預(yù)測(cè)，這對(duì)于計(jì)算機(jī)犯罪案件的處理也是很有幫助的。此外，數(shù)據(jù)挖掘分類預(yù)測(cè)功能的實(shí)現(xiàn)主要依賴決策樹(shù)、支持向量機(jī)、VSM、Logisitic回歸、樸素貝葉斯等幾種，這些算法各有優(yōu)劣，在實(shí)際應(yīng)用中需要根據(jù)案件的實(shí)際情況進(jìn)行選擇，例如支持向量機(jī)具有很高的分類正確率，因此適合用于特征為線性不可分的案件，而決策樹(shù)更容易理解與解釋。

　　2數(shù)據(jù)挖掘技術(shù)在計(jì)算機(jī)犯罪取證中的具體應(yīng)用思路

　　對(duì)于數(shù)據(jù)挖掘技術(shù)，目前的計(jì)算機(jī)犯罪取證工作并未形成一個(gè)明確而統(tǒng)一的應(yīng)用步驟，因此，我們可以根據(jù)數(shù)據(jù)挖掘技術(shù)的特征與具體功能，對(duì)數(shù)據(jù)挖掘技術(shù)在計(jì)算機(jī)犯罪取證中的應(yīng)用提供一個(gè)較為可行的具體思路[2]。首先，當(dāng)案件發(fā)生后，一般能夠獲取到海量的原始數(shù)據(jù)，面對(duì)這些數(shù)據(jù)，可以利用FP-Growth算法、Apriori算法等算法進(jìn)行關(guān)聯(lián)分析，找到案件相關(guān)的潛在有用信息，如犯罪嫌疑人的犯罪動(dòng)機(jī)、案發(fā)時(shí)間、作案嫌疑人的基本信息等等。在獲取這些基本信息后，雖然能夠?qū)Π讣�的基本特征有一定的了解，但犯罪嫌疑人卻難以通過(guò)這些簡(jiǎn)單的信息進(jìn)行確定，因此還需利用決策樹(shù)、支持向量機(jī)等算法進(jìn)行分類預(yù)測(cè)分析，通過(guò)對(duì)原始信息的準(zhǔn)確分類，可以得到案件的犯罪行為模式（數(shù)據(jù)屬性模型），而通過(guò)與其他案件犯罪行為模式的對(duì)比，就能夠?qū)Ψ缸锵右扇说木唧w特征進(jìn)行進(jìn)一步的預(yù)測(cè)，如經(jīng)�；顒�(dòng)的場(chǎng)所、行為習(xí)慣、分布區(qū)域等，從而縮小犯罪嫌疑人的鎖定范圍，為案件偵破工作帶來(lái)巨大幫助。此外，在計(jì)算機(jī)犯罪案件處理完畢后，所建立的嫌疑人犯罪行為模式以及通過(guò)關(guān)聯(lián)分析、分類預(yù)測(cè)分析得到的案件信息仍具有著很高的利用價(jià)值，因此不僅需要將這些信息存入到專門的數(shù)據(jù)庫(kù)中，同時(shí)還要根據(jù)案件的結(jié)果對(duì)數(shù)據(jù)進(jìn)行再次分析與修正，并做好犯罪行為模式的分類與標(biāo)記工作，為之后的案件偵破工作提供更加豐富、詳細(xì)的數(shù)據(jù)參考。

　　3結(jié)束語(yǔ)

　　總而言之，數(shù)據(jù)挖掘技術(shù)自計(jì)算機(jī)犯罪取證中的應(yīng)用是借助以各種算法為基礎(chǔ)的關(guān)聯(lián)、分類預(yù)測(cè)功能來(lái)實(shí)現(xiàn)的，而隨著技術(shù)的不斷提升以及數(shù)據(jù)庫(kù)中的犯罪行為模式會(huì)不斷得到完善，在未來(lái)數(shù)據(jù)挖掘技術(shù)所能夠起到的作用也必將越來(lái)越大。

　　參考文獻(xiàn)

　　[1]李艷花.數(shù)據(jù)挖掘在計(jì)算機(jī)動(dòng)態(tài)取證技術(shù)中的應(yīng)用[J].信息與電腦（理論版），20xx（02）：174-176.

　　作者:周永杰 單位:河南警察學(xué)院信息安全系

數(shù)據(jù)挖掘論文9

　　題目：大數(shù)據(jù)挖掘在智游應(yīng)用中的探究

　　摘要：大數(shù)據(jù)和智游都是當(dāng)下的熱點(diǎn), 沒(méi)有大數(shù)據(jù)的智游無(wú)從談“智慧”, 數(shù)據(jù)挖掘是大數(shù)據(jù)應(yīng)用于智游的核心, 文章探究了在智游應(yīng)用中, 目前大數(shù)據(jù)挖掘存在的幾個(gè)問(wèn)題。

　　關(guān)鍵詞：大數(shù)據(jù); 智游; 數(shù)據(jù)挖掘;

　　1引言

　　隨著人民生活水平的進(jìn)一步提高, 旅游消費(fèi)的需求進(jìn)一步上升, 在云計(jì)算、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)以及移動(dòng)智能終端等信息通訊技術(shù)的飛速發(fā)展下, 智游應(yīng)運(yùn)而生。大數(shù)據(jù)作為當(dāng)下的熱點(diǎn)已經(jīng)成了智游發(fā)展的有力支撐, 沒(méi)有大數(shù)據(jù)提供的有利信息, 智游無(wú)法變得“智慧”。

　　2大數(shù)據(jù)與智游

　　旅游業(yè)是信息密、綜合性強(qiáng)、信息依存度高的產(chǎn)業(yè)[1], 這讓其與大數(shù)據(jù)自然產(chǎn)生了交匯。2010年, 江蘇省鎮(zhèn)江市首先提出“智游”的概念, 雖然至今國(guó)內(nèi)外對(duì)于智游還沒(méi)有一個(gè)統(tǒng)一的學(xué)術(shù)定義, 但在與大數(shù)據(jù)相關(guān)的描述中, 有學(xué)者從大數(shù)據(jù)挖掘在智游中的作用出發(fā), 把智游描述為:通過(guò)充分收集和管理所有類型和來(lái)源的旅游數(shù)據(jù), 并深入挖掘這些數(shù)據(jù)的潛在重要價(jià)值信息, 然后利用這些信息為相關(guān)部門或?qū)ο筇峁┓��?wù)[2]。這一定義充分肯定了在發(fā)展智游中, 大數(shù)據(jù)挖掘所起的至關(guān)重要的作用, 指出了在智游的過(guò)程中, 數(shù)據(jù)的收集、儲(chǔ)存、管理都是為數(shù)據(jù)挖掘服務(wù), 智游最終所需要的是利用挖掘所得的有用信息。

　　3大數(shù)據(jù)挖掘在智游中存在的問(wèn)題

　　2011年, 我國(guó)提出用十年時(shí)間基本實(shí)現(xiàn)智游的目標(biāo)[3], 過(guò)去幾年, 國(guó)家旅游局的相關(guān)動(dòng)作均為了實(shí)現(xiàn)這一目標(biāo)。但是, 在借助大數(shù)據(jù)推動(dòng)智游的可持續(xù)性發(fā)展中, 大數(shù)據(jù)所產(chǎn)生的價(jià)值卻亟待提高, 原因之一就是在收集、儲(chǔ)存了大量數(shù)據(jù)后, 對(duì)它們深入挖掘不夠, 沒(méi)有發(fā)掘出數(shù)據(jù)更多的價(jià)值。

　　3.1 信息化建設(shè)

　　智游的發(fā)展離不開(kāi)移動(dòng)網(wǎng)絡(luò)、物聯(lián)網(wǎng)、云平臺(tái)。隨著大數(shù)據(jù)的不斷發(fā)展, 國(guó)內(nèi)許多景區(qū)已經(jīng)實(shí)現(xiàn)Wi-Fi覆蓋, 部分景區(qū)也已實(shí)現(xiàn)人與人、人與物、人與景點(diǎn)之間的實(shí)時(shí)互動(dòng), 多省市已建有旅游產(chǎn)業(yè)監(jiān)測(cè)平臺(tái)或旅游大數(shù)據(jù)中心以及數(shù)據(jù)可視化平臺(tái), 從中進(jìn)行數(shù)據(jù)統(tǒng)計(jì)、行為分析、監(jiān)控預(yù)警、服務(wù)質(zhì)量監(jiān)督等。通過(guò)這些平臺(tái), 已基本能掌握跟游客和景點(diǎn)相關(guān)的數(shù)據(jù), 可以實(shí)現(xiàn)更好旅游監(jiān)控、產(chǎn)業(yè)宏觀監(jiān)控, 對(duì)該地的旅游管理和推廣都能發(fā)揮重要作用。

　　但從智慧化的發(fā)展來(lái)看, 我國(guó)的信息化建設(shè)還需加強(qiáng)。雖然通訊網(wǎng)絡(luò)已基本能保證, 但是大部分景區(qū)還無(wú)法實(shí)現(xiàn)對(duì)景區(qū)全面、透徹、及時(shí)的感知, 更為困難的是對(duì)平臺(tái)的建設(shè)。在數(shù)據(jù)共享平臺(tái)的建設(shè)上, 除了必備的硬件設(shè)施, 大數(shù)據(jù)實(shí)驗(yàn)平臺(tái)還涉及大量部門, 如政府管理部門、氣象部門、交通、電子商務(wù)、旅行社、旅游網(wǎng)站等。如此多的部門相關(guān)聯(lián), 要想建立一個(gè)完整全面的大數(shù)據(jù)實(shí)驗(yàn)平臺(tái), 難度可想而知。

　　3.2 大數(shù)據(jù)挖掘方法

　　大數(shù)據(jù)時(shí)代缺的不是數(shù)據(jù), 而是方法。大數(shù)據(jù)在旅游行業(yè)的應(yīng)用前景非常廣闊, 但是面對(duì)大量的數(shù)據(jù), 不懂如何收集有用的數(shù)據(jù)、不懂如何對(duì)數(shù)據(jù)進(jìn)行挖掘和利用, 那么“大數(shù)據(jù)”猶如礦山之中的廢石。旅游行業(yè)所涉及的結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù), 通過(guò)云計(jì)算技術(shù), 對(duì)數(shù)據(jù)的收集、存儲(chǔ)都較為容易, 但對(duì)數(shù)據(jù)的挖掘分析則還在不斷探索中。大數(shù)據(jù)的挖掘常用的方法有關(guān)聯(lián)分析, 相似度分析, 距離分析, 聚類分析等等, 這些方法從不同的角度對(duì)數(shù)據(jù)進(jìn)行挖掘。其中, 相關(guān)性分析方法通過(guò)關(guān)聯(lián)多個(gè)數(shù)據(jù)來(lái)源, 挖掘數(shù)據(jù)價(jià)值。但針對(duì)旅游數(shù)據(jù), 采用這些方法挖掘數(shù)據(jù)的價(jià)值信息, 難度也很大, 因?yàn)槁糜螖?shù)據(jù)中冗余數(shù)據(jù)很多, 數(shù)據(jù)存在形式很復(fù)雜。在旅游非結(jié)構(gòu)化數(shù)據(jù)中, 一張圖片、一個(gè)天氣變化、一次輿情評(píng)價(jià)等都將會(huì)對(duì)游客的旅行計(jì)劃帶來(lái)影響。對(duì)這些數(shù)據(jù)完全挖掘分析, 對(duì)游客“行前、行中、行后”大數(shù)據(jù)的實(shí)時(shí)性挖掘都是很大的挑戰(zhàn)。

　　3.3 數(shù)據(jù)安全

　　2017年, 數(shù)據(jù)安全事件屢見(jiàn)不鮮, 伴著大數(shù)據(jù)而來(lái)的數(shù)據(jù)安全問(wèn)題日益凸顯出來(lái)。在大數(shù)據(jù)時(shí)代, 無(wú)處不在的數(shù)據(jù)收集技術(shù)使我們的個(gè)人信息在所關(guān)聯(lián)的數(shù)據(jù)中心留下痕跡, 如何保證這些信息被合法合理使用, 讓數(shù)據(jù)“可用不可見(jiàn)”[4], 這是亟待解決的問(wèn)題。同時(shí), 在大數(shù)據(jù)資源的開(kāi)放性和共享性下, 個(gè)人隱私和公民權(quán)益受到嚴(yán)重威脅。這一矛盾的存在使數(shù)據(jù)共享程度與數(shù)據(jù)挖掘程度成反比。此外, 經(jīng)過(guò)大數(shù)據(jù)技術(shù)的分析、挖掘, 個(gè)人隱私更易被發(fā)現(xiàn)和暴露, 從而可能引發(fā)一系列社會(huì)問(wèn)題。

　　大數(shù)據(jù)背景下的旅游數(shù)據(jù)當(dāng)然也避免不了數(shù)據(jù)的安全問(wèn)題。如果游客“吃、住、行、游、娛、購(gòu)”的數(shù)據(jù)被放入數(shù)據(jù)庫(kù), 被完全共享、挖掘、分析, 那游客的人身財(cái)產(chǎn)安全將會(huì)受到嚴(yán)重影響, 最終降低旅游體驗(yàn)。所以, 數(shù)據(jù)的安全管理是進(jìn)行大數(shù)據(jù)挖掘的前提。

　　3.4 大數(shù)據(jù)人才

　　大數(shù)據(jù)背景下的智游離不開(kāi)人才的創(chuàng)新活動(dòng)及技術(shù)支持, 然而與專業(yè)相銜接的大數(shù)據(jù)人才培養(yǎng)未能及時(shí)跟上行業(yè)需求, 加之創(chuàng)新型人才的外流, 以及數(shù)據(jù)統(tǒng)計(jì)未來(lái)3~5年大數(shù)據(jù)行業(yè)將面臨全球性的人才荒, 國(guó)內(nèi)智游的構(gòu)建還缺乏大量人才。

　　4解決思路

　　在信息化建設(shè)上, 加大政府投入, 加強(qiáng)基礎(chǔ)設(shè)施建設(shè), 整合結(jié)構(gòu)化數(shù)據(jù), 抓取非結(jié)構(gòu)化數(shù)據(jù), 打通各數(shù)據(jù)壁壘, 建設(shè)旅游大數(shù)據(jù)實(shí)驗(yàn)平臺(tái);在挖掘方法上, 對(duì)旅游大數(shù)據(jù)實(shí)時(shí)性數(shù)據(jù)的挖掘應(yīng)該被放在重要位置;在數(shù)據(jù)安全上, 從加強(qiáng)大數(shù)據(jù)安全立法、監(jiān)管執(zhí)法及強(qiáng)化技術(shù)手段建設(shè)等幾個(gè)方面著手, 提升大數(shù)據(jù)環(huán)境下數(shù)據(jù)安全保護(hù)水平。加強(qiáng)人才的培養(yǎng)與引進(jìn), 加強(qiáng)產(chǎn)學(xué)研合作, 培養(yǎng)智游大數(shù)據(jù)人才。

　　參考文獻(xiàn)

　　[1]翁凱.大數(shù)據(jù)在智游中的應(yīng)用研究[J].信息技術(shù), 2015, 24:86-87.

　　[2]梁昌勇, 馬銀超, 路彩虹.大數(shù)據(jù)挖掘, 智游的核心[J].開(kāi)發(fā)研究, 2015, 5 (180) :134-139.

　　[3]張建濤, 王洋, 劉力剛.大數(shù)據(jù)背景下智游應(yīng)用模型體系構(gòu)建[J].企業(yè)經(jīng)濟(jì), 2017, 5 (441) :116-123.

　　[4]王竹欣, 陳湉.保障大數(shù)據(jù), 從哪里入手?[N].人民郵電究, 2017-11-30.

數(shù)據(jù)挖掘論文10

　　摘 要：數(shù)據(jù)挖掘技術(shù)在各行業(yè)都有廣泛運(yùn)用，是一種新興信息技術(shù)。而在線考試系統(tǒng)中存在著很多的數(shù)據(jù)信息，數(shù)據(jù)挖掘技在在線考試系統(tǒng)有著重要的意義，和良好的應(yīng)用前景，從而在眾多技術(shù)中脫穎而出。本文從對(duì)數(shù)據(jù)挖掘技術(shù)的初步了解，簡(jiǎn)述數(shù)據(jù)挖掘技術(shù)在在線考試系統(tǒng)中成績(jī)分析，以及配合成績(jī)分析，完善教學(xué)。

　　關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)；在線考試；成績(jī)分析 ；完善教學(xué)

　　隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的快速發(fā)展，計(jì)算機(jī)輔助教育的不斷普及，在線考試是一種利用網(wǎng)絡(luò)技術(shù)的重要輔助教育手段，其改革有著重要的意義。數(shù)據(jù)挖掘技術(shù)作為一種新興的信息技術(shù)，其包括了人工智能、數(shù)據(jù)庫(kù)、統(tǒng)計(jì)學(xué)等學(xué)科的內(nèi)容，是一門綜合性的技術(shù)。這種技術(shù)的主要特點(diǎn)是對(duì)數(shù)據(jù)庫(kù)中大量的數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換和分析，從中提取出能夠?qū)�教師有作用的關(guān)鍵性數(shù)據(jù)。將其運(yùn)用于在線考試系統(tǒng)中，能夠很好的處理在線考試中涉及到的數(shù)據(jù)，讓在線考試的實(shí)用性和高效性得到進(jìn)一步的增強(qiáng)，幫助教師更加快速、完整的統(tǒng)計(jì)考試信息，完善教學(xué)。

　　1.初步了解數(shù)據(jù)挖掘技術(shù)

　　數(shù)據(jù)挖掘技術(shù)是從大量數(shù)據(jù)中"挖掘"出對(duì)使用者有用的知識(shí)，即從大量的、隨機(jī)的、有噪聲的、模糊的、不完全的實(shí)際應(yīng)用數(shù)據(jù)中，"挖掘"出隱含在其中但人們事先卻不知道的，而又是對(duì)人們潛在有用的信息與知識(shí)的整個(gè)過(guò)程。

　　目前主要的商業(yè)數(shù)據(jù)挖掘系統(tǒng)有SAS公司的Enterprise Miner，SPSS公司的Clementine，Sybas公司的Warehouse Studio，MinerSGI公司的Mineset，RuleQuest Research公司的See5，IBM公司的Intelligent，還有 CoverStory， Knowledge Discovery，Quest，EXPLORA， DBMiner，Workbench等。

　　2.數(shù)據(jù)挖掘在在線考試中的主要任務(wù)

　　2.1數(shù)據(jù)分類

　　數(shù)據(jù)挖掘技術(shù)通過(guò)對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行分析，把數(shù)據(jù)按照相似性歸納成若干類別，然后做出分類，并能夠?yàn)槊恳粋�(gè)類別都做出一個(gè)準(zhǔn)確的描述，挖掘出分類的規(guī)則或建立一個(gè)分類模型。

　　2.2數(shù)據(jù)關(guān)聯(lián)分析

　　數(shù)據(jù)庫(kù)中的數(shù)據(jù)關(guān)聯(lián)是一項(xiàng)非常重要，并可以發(fā)現(xiàn)的知識(shí)。數(shù)據(jù)關(guān)聯(lián)就是兩組或兩組以上的數(shù)據(jù)之間有著某種規(guī)律性的聯(lián)系。數(shù)據(jù)關(guān)聯(lián)分析的作用就是找出數(shù)據(jù)庫(kù)中隱藏的聯(lián)系，從中得到一些對(duì)學(xué)校教學(xué)工作管理者有用的信息。就像是在購(gòu)物中，就可以通過(guò)顧客的購(gòu)買物品的聯(lián)系，從中得到顧客的購(gòu)買習(xí)慣。

　　2.3預(yù)測(cè)

　　預(yù)測(cè)是根據(jù)已經(jīng)得到的數(shù)據(jù)，從而對(duì)未來(lái)的情況做出一個(gè)可能性的分析。數(shù)據(jù)挖掘技術(shù)能自動(dòng)在大型的數(shù)據(jù)庫(kù)中做出一個(gè)較為準(zhǔn)確的分析。就像是在市場(chǎng)投資中，可以通過(guò)各種商品促銷的數(shù)據(jù)來(lái)做出一個(gè)未來(lái)商品的促銷走勢(shì)。從而在投資中得到最大的回報(bào)。

　　3.數(shù)據(jù)挖掘的方法

　　數(shù)據(jù)挖掘技術(shù)融合了多個(gè)學(xué)科、多個(gè)領(lǐng)域的知識(shí)與技術(shù)，因此數(shù)據(jù)挖掘的方法也呈現(xiàn)出很多種類的形式。就目前的統(tǒng)計(jì)分析類的數(shù)據(jù)挖掘技術(shù)的角度來(lái)講，光統(tǒng)計(jì)分析技術(shù)中所用到的數(shù)據(jù)挖掘模型就回歸分析、邏輯回歸分析、有線性分析、非線性分析、單變量分析、多變量分析、最近鄰算法、最近序列分析、聚類分析和時(shí)間序列分析等多種方法。數(shù)據(jù)挖掘技術(shù)利用這些方法對(duì)那些異常形式的數(shù)據(jù)進(jìn)行檢查，然后通過(guò)各種數(shù)據(jù)模型和統(tǒng)計(jì)模型對(duì)這些數(shù)據(jù)來(lái)進(jìn)行解釋，并從這些數(shù)據(jù)中找出隱藏在其中的商業(yè)機(jī)會(huì)和市場(chǎng)規(guī)律。另外還有知識(shí)發(fā)現(xiàn)類數(shù)據(jù)挖掘技術(shù)，這種和統(tǒng)計(jì)分析類的數(shù)據(jù)挖掘技術(shù)完全不同，其中包括了支持向量機(jī)、人工神經(jīng)元網(wǎng)絡(luò)、遺傳算法、決策樹(shù)、粗糙集、關(guān)聯(lián)順序和規(guī)則發(fā)現(xiàn)等多種方法。

　　4.數(shù)據(jù)挖掘在考試成績(jī)分析中的幾點(diǎn)應(yīng)用

　　4.1運(yùn)用關(guān)聯(lián)規(guī)則分析教師的年齡對(duì)學(xué)生考試成績(jī)的影響

　　數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)分析在教學(xué)分析中，是一種使用頻繁，行之有效的方法，它能挖掘出大量數(shù)據(jù)中項(xiàng)集之間之間有意義的關(guān)聯(lián)聯(lián)系，幫助知道教師的教學(xué)過(guò)程。例如在如今的一些高職院校中，就往往會(huì)把學(xué)生的英語(yǔ)四六級(jí)過(guò)級(jí)率，計(jì)算機(jī)等級(jí)等，以這些為依據(jù)來(lái)評(píng)價(jià)教師的教學(xué)效果。將數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則運(yùn)用于考試的成績(jī)分析當(dāng)中，就能夠挖掘出一些對(duì)學(xué)生過(guò)級(jí)率產(chǎn)生影響的因素，對(duì)教師的教學(xué)過(guò)程進(jìn)行重要的指導(dǎo)，讓教師的教學(xué)效率更高，作用更強(qiáng)。

　　還可以通過(guò)關(guān)聯(lián)規(guī)則算法，先設(shè)定一個(gè)最小可信度和支持度，得到初步的關(guān)聯(lián)規(guī)則，根據(jù)相關(guān)規(guī)則，分析出教師的組成結(jié)構(gòu)和過(guò)級(jí)率的影響，從來(lái)進(jìn)行教師隊(duì)伍的結(jié)構(gòu)調(diào)整，讓教師隊(duì)伍更加合理。

　　4.2采用分類算法探討對(duì)考試成績(jī)有影響的因素

　　數(shù)據(jù)挖掘技術(shù)中的分類算法就是對(duì)一組對(duì)象或一個(gè)事件進(jìn)行歸類，然后通過(guò)這些數(shù)據(jù)，可以進(jìn)行分類模型的建立和未來(lái)的預(yù)測(cè)。分類算法可以進(jìn)行考試中得到的數(shù)據(jù)進(jìn)行分類，然后通過(guò)學(xué)生的一些基本情況進(jìn)行探討一些對(duì)考試成績(jī)有影響的因素。分類算法可以用一下步驟實(shí)施：

　　4.2.1數(shù)據(jù)采集

　　這種方法首先要進(jìn)行數(shù)據(jù)采集，需要這幾方面的數(shù)據(jù)，學(xué)生基本信息（姓名、性別、學(xué)號(hào)、籍貫、所屬院系、專業(yè)、班級(jí)等）、學(xué)生調(diào)查信息（比如學(xué)習(xí)前的知識(shí)掌握情況、學(xué)習(xí)興趣、課堂學(xué)習(xí)效果、課后復(fù)習(xí)時(shí)間量等）、成績(jī)（學(xué)生平常學(xué)習(xí)成績(jī)，平�？荚嚦煽�(jī)，各種大型考試成績(jī)等）、學(xué)生多次考試中出現(xiàn)的易錯(cuò)點(diǎn)（本次考試中出現(xiàn)的易錯(cuò)點(diǎn)，以往考試中出現(xiàn)的易錯(cuò)點(diǎn)）

　　4.2.2數(shù)據(jù)預(yù)處理

　　（1）數(shù)據(jù)集成。把數(shù)據(jù)采集過(guò)程中得到的多種信息，利用數(shù)據(jù)挖掘技術(shù)中的數(shù)據(jù)庫(kù)技術(shù)生產(chǎn)相應(yīng)的學(xué)生考試成績(jī)分析基本數(shù)據(jù)庫(kù)。（2）數(shù)據(jù)清理。在學(xué)生成績(jī)分析數(shù)據(jù)庫(kù)中，肯定會(huì)出現(xiàn)一些情況缺失，對(duì)于這些空缺處，就需要使用數(shù)據(jù)清理技術(shù)來(lái)進(jìn)行這些數(shù)據(jù)庫(kù)中數(shù)據(jù)的填補(bǔ)遺漏。例如，可以采用忽略元組的方法來(lái)刪除那些沒(méi)有參加考試的學(xué)生考試數(shù)據(jù)已經(jīng)在學(xué)生填寫(xiě)的調(diào)查數(shù)據(jù)中村中的空缺項(xiàng)。（3）數(shù)據(jù)轉(zhuǎn)換。數(shù)據(jù)轉(zhuǎn)換主要功能是進(jìn)行進(jìn)行數(shù)據(jù)的離散化操作。在這個(gè)過(guò)程中可以根據(jù)實(shí)際需要進(jìn)行分類，比如把考試成績(jī)從0~59的分到較差的一類，將60到80分為中等類，81到100分為優(yōu)秀等。（4）數(shù)據(jù)消減。數(shù)據(jù)消減的功能就是把所需挖掘的數(shù)據(jù)庫(kù)，在消減的過(guò)程又不能影響到最終的數(shù)據(jù)挖掘結(jié)果。比如在分析學(xué)生的基本學(xué)習(xí)情況的影響因素情況中，學(xué)生信息表中中出現(xiàn)的字段很多，可以選擇性的刪除班別、籍貫等引述，形成一份新的學(xué)生基本成績(jī)分析數(shù)據(jù)表。

　　4.2.3利用數(shù)據(jù)挖掘技術(shù)，得出結(jié)論

　　通過(guò)數(shù)據(jù)挖掘技術(shù)在在線考試中的應(yīng)用，得出這些學(xué)生數(shù)據(jù)的相關(guān)分析，比如說(shuō)學(xué)生考試中的易錯(cuò)點(diǎn)在什么地方，學(xué)生考試成績(jī)的自身原因，學(xué)生考試成績(jī)的環(huán)境原因，教師隊(duì)伍的搭配情況等等，從中得出如何調(diào)整學(xué)校教學(xué)資源，教師的教學(xué)方案調(diào)整等等，從而完善學(xué)校對(duì)學(xué)生的教學(xué)。

　　5.結(jié)語(yǔ)

　　數(shù)據(jù)挖掘技術(shù)在社會(huì)各行各業(yè)中都有一定程度的使用，基于其在數(shù)據(jù)組織、分析能力、知識(shí)發(fā)現(xiàn)和信息深層次挖掘的能力，在使用中取得了顯著的成效，但數(shù)據(jù)挖掘技術(shù)中還存在著一些問(wèn)題，例如數(shù)據(jù)的挖掘算法、預(yù)處理、可視化問(wèn)題、模式識(shí)別和解釋等等。對(duì)于這些問(wèn)題，學(xué)校教學(xué)管理工作者要清醒的認(rèn)識(shí)，在在線考試系統(tǒng)中對(duì)數(shù)據(jù)挖掘信息做出合理的使用，讓數(shù)字挖掘技術(shù)在在線考試系統(tǒng)中能夠更加有效的發(fā)揮其長(zhǎng)處，避免其在在線考試系統(tǒng)中的的缺陷。

　　參考文獻(xiàn)：

　　[1]胡玉榮.基于粗糙集理論的數(shù)據(jù)挖掘技術(shù)在高校學(xué)生成績(jī)分析中的作用[J].荊門職業(yè)技術(shù)學(xué)院學(xué)報(bào),20xx,12(22):12.

　　[2][加]韓家煒,堪博(Kam ber M.) .數(shù)據(jù)挖掘：概念與技術(shù)（第2版）[M]范明,譯.北京:機(jī)械工業(yè)出版社,20xx.

　　[3]王潔.《在線考試系統(tǒng)的設(shè)計(jì)與開(kāi)發(fā)》[J].山西師范大學(xué)學(xué)報(bào),20xx(2).

　　[4] 王長(zhǎng)娥.數(shù)據(jù)挖掘技術(shù)在教育中的應(yīng)用[J].計(jì)算機(jī)與信息技術(shù),20xx(11)

數(shù)據(jù)挖掘論文11

　　1理論研究

　　1.1客戶關(guān)系管理

　　客戶關(guān)系管理的目標(biāo)是依靠高效優(yōu)質(zhì)的服務(wù)吸引客戶，同時(shí)通過(guò)對(duì)業(yè)務(wù)流程的全面優(yōu)化和管理，控制企業(yè)運(yùn)行成本�？蛻絷P(guān)系管理是一種管理理念，將企業(yè)客戶視作企業(yè)發(fā)展最重要的企業(yè)資源，采用企業(yè)服務(wù)優(yōu)化等手段來(lái)管理客戶關(guān)系�？蛻絷P(guān)系管理并不是單純的信息技術(shù)或者管理技術(shù)，而是一種企業(yè)生物戰(zhàn)略，通過(guò)對(duì)企業(yè)客戶的分段充足，強(qiáng)化客戶滿意的行為，優(yōu)化企業(yè)可盈利性，將客戶處理工作上升到企業(yè)級(jí)別，不同部門負(fù)責(zé)與客戶進(jìn)行交互，但是整個(gè)企業(yè)都需要向客戶負(fù)責(zé)，在信息技術(shù)的支持下實(shí)現(xiàn)企業(yè)和客戶連接環(huán)節(jié)的自動(dòng)化管理。

　　1.2客戶細(xì)分

　　客戶細(xì)分由美國(guó)學(xué)者溫德?tīng)柺访芩乖?0世紀(jì)50年代提出，認(rèn)為客戶細(xì)分是根據(jù)客戶屬性將客戶分成集合�，F(xiàn)代營(yíng)銷學(xué)中的客戶細(xì)分是按照客戶特征和共性將客戶群分為不同等級(jí)或者子群體，尋找相同要素，對(duì)不同類別客戶心理與需求急性研究和評(píng)估，從而指導(dǎo)進(jìn)行企業(yè)服務(wù)資源的分配，是企業(yè)獲得客戶價(jià)值的一種理論與方法。因此我們注意到，客戶細(xì)分其實(shí)是一個(gè)分類問(wèn)題，但是卻有著顯著的特點(diǎn)。

　　1.2.1客戶細(xì)分是動(dòng)態(tài)的企業(yè)不斷發(fā)展變化，用戶數(shù)據(jù)不斷積累，市場(chǎng)因素的變化，都會(huì)造成客戶細(xì)分的變化。所以客戶細(xì)分工作需要根據(jù)客戶情況的變化進(jìn)行動(dòng)態(tài)調(diào)整，

　　減少錯(cuò)誤分類，提高多次細(xì)分中至少有一次是正確分類的可能性。

　　1.2.2受眾多因素影響

　　隨著時(shí)間的推移，客戶行為和心理會(huì)發(fā)生變化，所以不同時(shí)間的數(shù)據(jù)會(huì)反映出不同的規(guī)律，客戶細(xì)分方法需要在變化過(guò)程中準(zhǔn)確掌握客戶行為的規(guī)律性。

　　1.2.3客戶細(xì)分有不同的分類標(biāo)準(zhǔn)

　　一般分類問(wèn)題強(qiáng)調(diào)準(zhǔn)確性，客戶關(guān)系管理則強(qiáng)調(diào)有用性，講求在特定限制條件下實(shí)現(xiàn)特定目標(biāo)。

　　1.3數(shù)據(jù)挖掘

　　數(shù)據(jù)挖掘就是從大型數(shù)據(jù)庫(kù)數(shù)據(jù)中提取有價(jià)值的、隱含的、事前未知的潛在有用信息。數(shù)據(jù)挖掘技術(shù)不斷發(fā)展，挖掘?qū)ο蟛辉偈菃我粩?shù)據(jù)庫(kù)，已經(jīng)逐漸發(fā)展到文件系統(tǒng)、數(shù)據(jù)集合以及數(shù)據(jù)倉(cāng)庫(kù)的挖掘分析。

　　2客戶細(xì)分的數(shù)據(jù)挖掘

　　2.1邏輯模型

　　客戶數(shù)據(jù)中有著若干離散客戶屬性和連續(xù)客戶屬性，每個(gè)客戶屬性為一個(gè)維度，客戶作為空間點(diǎn)，全部客戶都能夠形成多為空間，作為客戶的屬性空間，假設(shè)A={A1，A2,…Am}是一組客戶屬性，屬性可以是連續(xù)的，也可以離散型，這些屬性就形成了客戶m維屬性空間。同時(shí)設(shè)g是一個(gè)描述客戶屬性的一個(gè)指標(biāo)，f(g)是符合該指標(biāo)的客戶集合，即為概率外延，則任一確定時(shí)刻都是n個(gè)互不相交集合。在客戶價(jià)值概念維度上，可分為“有價(jià)值客戶”“潛在價(jià)值客戶”“無(wú)價(jià)值客戶”三種類型，定義RB如下：(1)顯然RB是一個(gè)等價(jià)關(guān)系，經(jīng)RB可分類屬性空間為若干等價(jià)類，每個(gè)等價(jià)類都是一個(gè)概念類，建立客戶細(xì)分，就是客戶屬性空間和概念空間映射關(guān)系的建立過(guò)程。

　　2.2客戶細(xì)分?jǐn)?shù)據(jù)挖掘?qū)嵤?/p>

　　通過(guò)數(shù)據(jù)庫(kù)已知概念類客戶數(shù)據(jù)進(jìn)行樣本學(xué)習(xí)和數(shù)據(jù)挖掘，進(jìn)行客戶屬性空間與概念空間映射的自動(dòng)歸納。首先確定一組概念類已知客戶集合。首先確定一個(gè)映射：p：C→L，使，如果，則。，求p(c)確定所屬概念類。數(shù)據(jù)部分有客戶數(shù)據(jù)存儲(chǔ)和概念維數(shù)據(jù)構(gòu)成，客戶數(shù)據(jù)存儲(chǔ)有企業(yè)全部?jī)?nèi)在屬性、外在屬性以及行為屬性等數(shù)據(jù)，方法則主要有關(guān)聯(lián)規(guī)則分析、深井網(wǎng)絡(luò)分類、決策樹(shù)、實(shí)例學(xué)習(xí)等數(shù)據(jù)挖掘方法，通過(guò)對(duì)客戶數(shù)據(jù)存儲(chǔ)數(shù)據(jù)學(xué)習(xí)算法來(lái)建立客戶數(shù)據(jù)和概念維之間的映射關(guān)系。

　　2.3客戶細(xì)分?jǐn)?shù)據(jù)分析

　　建立客戶動(dòng)態(tài)行為描述模型，滿足客戶行為非確定性和非一致性要求，客戶中心的管理體制下，客戶細(xì)分影響企業(yè)戰(zhàn)術(shù)和戰(zhàn)略級(jí)別決策的生成，所以數(shù)據(jù)挖掘要能夠彌補(bǔ)傳統(tǒng)數(shù)據(jù)分析方法在可靠性方面的缺陷。

　　2.3.1客戶外在屬性

　　外在屬性有客戶地理分布、客戶組織歸屬情況和客戶產(chǎn)品擁有情況等�？蛻舻慕M織歸屬是客戶社會(huì)組織類型，客戶產(chǎn)品擁有情況是客戶是否擁有或者擁有哪些與其他企業(yè)或者其他企業(yè)相關(guān)產(chǎn)品。

　　2.3.2內(nèi)在屬性

　　內(nèi)在屬性有人口因素和心理因素等，人口因素是消費(fèi)者市場(chǎng)細(xì)分的重要變量。相比其他變量，人口因素更加容易測(cè)量。心理因素則主要有客戶愛(ài)好、性格、信用情況以及價(jià)值取向等因素。

　　2.3.3消費(fèi)行為

　　消費(fèi)行為屬性則重點(diǎn)關(guān)注客戶購(gòu)買前對(duì)產(chǎn)品的了解情況，是客戶細(xì)分中最客觀和重要的因素。

　　2.4數(shù)據(jù)挖掘算法

　　2.4.1聚類算法

　　按照客戶價(jià)值標(biāo)記聚類結(jié)果，通過(guò)分類功能，建立客戶特征模型，準(zhǔn)確描述高價(jià)值客戶的一些特有特征，使得企業(yè)在之后的市場(chǎng)活動(dòng)中能夠迅速發(fā)現(xiàn)并抓住類似的高價(jià)值客戶，全面提高客戶的整體價(jià)值水平。通常都采用中心算法進(jìn)行客戶的聚類分析，分析涉及的字段主要有客戶的基本信息以及與客戶相關(guān)業(yè)務(wù)信息，企業(yè)采用中心算法，按照企業(yè)自身的行業(yè)性質(zhì)以及商務(wù)環(huán)境，選擇不同的聚類分析策略，有主屬性聚類分析和全屬性聚類分析兩類。主屬性聚類分析是企業(yè)根據(jù)在企業(yè)標(biāo)度變量中選擇主要弧形作為聚類分析變量。通常區(qū)間標(biāo)度變量選用的度量單位會(huì)對(duì)聚類分析結(jié)果產(chǎn)生很大影響，選擇的度量單位越小，就會(huì)獲得越大的可能值域，對(duì)聚類結(jié)果的影響也就越大。

　　2.4.2客戶分析預(yù)測(cè)

　　行業(yè)競(jìng)爭(zhēng)愈加激烈，新客戶的獲得成本越來(lái)越高，在保持原有工作價(jià)值的同時(shí)，客戶的流失也受到了企業(yè)的重視。為了控制客戶流失，就需要對(duì)流失客戶的數(shù)據(jù)進(jìn)行認(rèn)真分析，找尋流失客戶的根本原因，防止客戶的持續(xù)流失。數(shù)據(jù)挖掘聚類功能同樣能夠利用在客戶流失數(shù)據(jù)分析工作中，建立基于流失客戶數(shù)據(jù)樣本庫(kù)的分類函數(shù)以及分類模式，通過(guò)模型分析客戶流失因素，能夠獲得一個(gè)最有可能流失的客戶群體，同時(shí)編制一個(gè)有針對(duì)性的挽留方案。之后對(duì)數(shù)據(jù)進(jìn)行分析并利用各種數(shù)據(jù)挖掘技術(shù)和方法在多個(gè)可供選擇的模型中找出最佳模型。初始階段，模型的擬合程度可能不理想，但是隨著模型的不斷更換和優(yōu)化，最終就有可能找出合適的模型進(jìn)行數(shù)據(jù)描述并挖掘出流失數(shù)據(jù)規(guī)律。通常模擬模型都通過(guò)數(shù)據(jù)分析專業(yè)和業(yè)務(wù)專家協(xié)作完成，采用決策樹(shù)、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)等流失分析模型，實(shí)現(xiàn)客戶行為的預(yù)測(cè)分析。

　　3結(jié)語(yǔ)

　　從工業(yè)營(yíng)銷中的客戶細(xì)分觀點(diǎn)出發(fā)，在數(shù)據(jù)挖掘、客戶關(guān)系管理等理論基礎(chǔ)上，采用統(tǒng)計(jì)學(xué)、運(yùn)籌學(xué)和數(shù)據(jù)挖掘技術(shù)，對(duì)客戶細(xì)分的數(shù)據(jù)挖掘方法進(jìn)行了研究，建立了基于決策樹(shù)的客戶細(xì)分模型，是一種效率很高的管理工具。

　　作者:區(qū)嘉良 呂淑儀 單位:中國(guó)石化廣東石油分公司

數(shù)據(jù)挖掘論文12

　　數(shù)據(jù)挖掘技術(shù)在金融業(yè)、醫(yī)療保健業(yè)、市場(chǎng)業(yè)、零售業(yè)和制造業(yè)等很多領(lǐng)域都得到了很好的應(yīng)用。針對(duì)交通安全領(lǐng)域中交通事故數(shù)據(jù)利用率低的現(xiàn)狀，可以通過(guò)數(shù)據(jù)挖掘?qū)ο嚓P(guān)交通事故數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，從而發(fā)現(xiàn)其中的關(guān)聯(lián)，這對(duì)提升交通安全水平具有非常重要的意義。

　　1數(shù)據(jù)挖掘技術(shù)概述

　　數(shù)據(jù)挖掘（DataMining）即對(duì)大量數(shù)據(jù)進(jìn)行有效的分類統(tǒng)計(jì)，從而整理出有規(guī)律的、有價(jià)值的、潛在的未知信息。一般來(lái)講，這些數(shù)據(jù)存在極大的隨機(jī)性和不完全性，其包括各行各業(yè)各個(gè)方面的數(shù)據(jù)。數(shù)據(jù)挖掘是一個(gè)結(jié)合了數(shù)據(jù)庫(kù)、人工智能、機(jī)器學(xué)習(xí)的學(xué)科，涉及統(tǒng)計(jì)數(shù)據(jù)和技術(shù)理論等領(lǐng)域。

　　2數(shù)據(jù)挖掘關(guān)聯(lián)分析研究

　　關(guān)聯(lián)分析作為數(shù)據(jù)挖掘中的重要組成部分，其主要作用就是通過(guò)數(shù)據(jù)之間的相互關(guān)聯(lián)從而發(fā)現(xiàn)數(shù)據(jù)集中某種未知的聯(lián)系。關(guān)聯(lián)分析最初是在20世紀(jì)90年代初被提出來(lái)的，一直備受關(guān)注。已被廣泛應(yīng)用于各行各業(yè)，包括醫(yī)療體檢、電子商務(wù)、商業(yè)金融等各個(gè)領(lǐng)域。關(guān)聯(lián)規(guī)則的挖掘一般可分成兩個(gè)步驟[1]：

　�。�1）找出頻繁項(xiàng)集，不小于最小支持度的項(xiàng)集；

　�。�2）生成強(qiáng)關(guān)聯(lián)規(guī)則，不小于最小置信度的關(guān)聯(lián)規(guī)則。相對(duì)于生成強(qiáng)關(guān)聯(lián)規(guī)則，找出頻繁項(xiàng)集這一步比較麻煩。由R.Agrawal等人在1994年提出的Apriori算法是生成頻繁項(xiàng)集的經(jīng)典算法[2]。Apriori算法使用了Level-wise搜索的迭代方法，即用k-項(xiàng)集探索（k+1）-項(xiàng)集。Apriori算法在整體上可分為兩個(gè)部分。

　�。�1）發(fā)現(xiàn)頻集。這個(gè)部分是最重要的，開(kāi)銷相繼產(chǎn)生了各種各樣的頻集算法，專門用于發(fā)現(xiàn)頻集，以降低其復(fù)雜度、提高發(fā)現(xiàn)頻集的效率。

　　（2）利用所獲得的頻繁項(xiàng)集各種算法主要致力產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則。當(dāng)然頻集構(gòu)成的聯(lián)規(guī)則未必是強(qiáng)關(guān)聯(lián)規(guī)則，還要檢驗(yàn)構(gòu)成的關(guān)聯(lián)規(guī)則的支持度和支持度是否超過(guò)它們的閾值。Apriori算法找出頻繁項(xiàng)集分為兩步：連接和剪枝。

　�。�1）連接。集合Lk-1為頻繁k-1項(xiàng)集的集合，它通過(guò)與自身連接就可以生成候選k項(xiàng)集的集合，記作Ck。

　�。�2）剪枝。頻繁k項(xiàng)集的集合Lk是Ck的子集。剪枝首先利用Apriori算法的性質(zhì)（頻繁項(xiàng)集的所有非空子集都是頻繁的，如果不滿足這個(gè)條件，就從候選集合Ck中刪除）對(duì)Ck進(jìn)行壓縮；然后，通過(guò)掃描所有的事務(wù)，確定壓縮后Ck中的每個(gè)候選的支持度；最后與設(shè)定的最小支持度進(jìn)行比較，如果支持度不小于最小支持度，則認(rèn)為該候選項(xiàng)是頻繁的。目前，在互聯(lián)網(wǎng)技術(shù)及科學(xué)技術(shù)的快速發(fā)展下，人工智能、機(jī)器識(shí)別等技術(shù)興起，關(guān)聯(lián)分析也被越來(lái)越多應(yīng)用其中，并在不斷發(fā)展中提出了大量的改進(jìn)算法。

　　3數(shù)據(jù)挖掘關(guān)聯(lián)分析在道路交通事故原因分析當(dāng)中的應(yīng)用

　　近年來(lái)，我國(guó)越來(lái)越多的學(xué)者將數(shù)據(jù)挖掘關(guān)聯(lián)分析應(yīng)用于道路交通事故的研究中，主要是分析道路、車輛、行人以及環(huán)境等因素與交通事故之間的某種聯(lián)系。Pande和Abdel-Aty[3]通過(guò)關(guān)聯(lián)分析研究了美國(guó)佛羅里達(dá)州20xx年非交叉口發(fā)生的道路交通事故，重點(diǎn)分析了各個(gè)不同的影響因素與交通事故之間的內(nèi)在聯(lián)系，通過(guò)研究得出如下結(jié)論，道路照明條件不足是引發(fā)道路交通事故的主要因素，除此之外，還發(fā)現(xiàn)天氣惡劣的環(huán)境下道路彎道的直線段也極易發(fā)生交通事故。Graves[4]利用數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則對(duì)歐洲道路交通事故進(jìn)行了分析，主要研究了交通事故與道路設(shè)施狀況之間的關(guān)聯(lián)，通過(guò)研究發(fā)現(xiàn)了易導(dǎo)致交通事故發(fā)生的各個(gè)道路設(shè)施狀況因素，此研究為歐洲路面建設(shè)及投資提供了強(qiáng)大的決策支持。我國(guó)學(xué)者董立巖在研究道路交通事故數(shù)據(jù)的文獻(xiàn)中，將粗糙集與關(guān)聯(lián)分析進(jìn)行了融合，提出了基于偏好信息的決策規(guī)則簡(jiǎn)約算法并將其應(yīng)用其中，通過(guò)分析發(fā)現(xiàn)了道路交通事故的未知規(guī)律。王艷玲通過(guò)關(guān)聯(lián)分析中的因子關(guān)聯(lián)樹(shù)模型重點(diǎn)分析了影響道路交通事故最重要的因子，發(fā)現(xiàn)在道路交通事故常見(jiàn)的誘因人、車、路及環(huán)境中對(duì)事故影響最大的因子是環(huán)境。許卉瑩等利用關(guān)聯(lián)分析、聚類分析以及決策樹(shù)分析三種數(shù)據(jù)挖掘技術(shù)對(duì)道路交通事故數(shù)據(jù)進(jìn)行分析，最終得出了科學(xué)的道路交通事故預(yù)防和交通安全管理決策依據(jù)。尚威等在研究中，對(duì)大量的道路交通數(shù)據(jù)進(jìn)行了有效整合，并在此基礎(chǔ)上按照交通事故相關(guān)因素的不同特點(diǎn)整理出與事故發(fā)生有關(guān)的字段數(shù)據(jù)，形成新的事故數(shù)據(jù)記錄表，然后再根據(jù)多維關(guān)聯(lián)規(guī)則對(duì)記錄的相關(guān)數(shù)據(jù)進(jìn)行分析，從而發(fā)現(xiàn)了事故誘導(dǎo)因素記錄字段值和事故結(jié)果字段值組成的道路交通事故頻繁字段的組合。張聽(tīng)等在充分掌握聚類數(shù)據(jù)挖掘理論與方法的基礎(chǔ)上，提出了多目標(biāo)聚類分析框架和一個(gè)啟發(fā)式的聚類算法k-WANMI，并將其用在道路交通事故的聚類研究中對(duì)不同權(quán)重的屬性進(jìn)行了多目標(biāo)分析。同樣，許宏科也利用該方法對(duì)公路隧道交通流數(shù)據(jù)進(jìn)行了聚類分析，其在研究中不僅明確了隧道交通流的峰值規(guī)律，而且還根據(jù)這種規(guī)律制訂了隧道監(jiān)控設(shè)備的不同控制方案，對(duì)提高隧道交通安全的水平做了極大的貢獻(xiàn)。徐磊和方源敏在研究中，提出了由簡(jiǎn)化信息熵構(gòu)造的改進(jìn)C4.5決策樹(shù)算法，并將其應(yīng)用在交通事故數(shù)據(jù)的研究中，對(duì)交通數(shù)據(jù)進(jìn)行了正確分類，發(fā)現(xiàn)了一些隱藏的規(guī)則和知識(shí)，為交通管理提供了依據(jù)。劉軍、艾力斯木吐拉、馬曉松運(yùn)用多維關(guān)聯(lián)規(guī)則分析交通事故記錄，從而找到導(dǎo)致交通事故發(fā)生次數(shù)多的主要原因，并且指導(dǎo)相關(guān)部門作出相應(yīng)的決策。楊希剛運(yùn)用關(guān)聯(lián)規(guī)則為現(xiàn)實(shí)中的交通事故的預(yù)防提供依據(jù)。吉林大學(xué)的吳昊等人，基于關(guān)聯(lián)規(guī)則的理論基礎(chǔ)，定義了公路交通事故屬性模型，并結(jié)合改進(jìn)后的Apriori算法，分析了交通事故歷史數(shù)據(jù)信息，為有關(guān)單位和用戶尋找道路黑點(diǎn)（即事故多發(fā)點(diǎn)）提供了技術(shù)支援和決策幫助。

　　4結(jié)語(yǔ)

　　通過(guò)數(shù)據(jù)挖掘中的關(guān)聯(lián)分析方法雖然能夠?qū)Φ缆方煌ㄊ鹿实南嚓P(guān)因素進(jìn)行清晰的分析，但是目前在這一方面的研究仍有不足之處。因?yàn)殛P(guān)聯(lián)分析在道路交通事故的研究中往往只能片面發(fā)現(xiàn)某一種或幾種因素影響交通事故的規(guī)律，很難將所有影響因素結(jié)合起來(lái)進(jìn)行全面系統(tǒng)的分析。然而道路交通事故的發(fā)生通常都是由相應(yīng)因素導(dǎo)致，而后事故當(dāng)事人意識(shí)到危險(xiǎn)源的存在并采取措施，直到事故發(fā)生的連續(xù)過(guò)程，整體來(lái)看體現(xiàn)了時(shí)序性。也就是說(shuō)，道路交通事故是受到一系列按照時(shí)間先后順序排列的影響因素組合共同作用而發(fā)生的，從整體的角度出發(fā)研究事故發(fā)生機(jī)理更加科學(xué)。

　　參考文獻(xiàn)

　　[1]楊秀萍.大數(shù)據(jù)下關(guān)聯(lián)規(guī)則算法的改進(jìn)及應(yīng)用[J].計(jì)算機(jī)與現(xiàn)代化,20xx(12):23-26.

　　[2]王云,蘇勇.關(guān)聯(lián)規(guī)則挖掘在道路交通事故分析中的應(yīng)用[J].科學(xué)技術(shù)與工程,20xx(7):1824-1827.

　　[3]徐磊,方源敏.基于決策樹(shù)C4.5改進(jìn)算法的交通數(shù)據(jù)挖掘[J].微處理機(jī),20xx,31(6):57-59.

　　[4]楊希剛.數(shù)據(jù)挖掘在交通事故中的應(yīng)用[[J].軟件導(dǎo)刊,20xx,7(26):18-20.

數(shù)據(jù)挖掘論文13

　　【摘要】企業(yè)精準(zhǔn)營(yíng)銷服務(wù)是在充分了解客戶的基礎(chǔ)上，針對(duì)客戶特點(diǎn)及需求，有針對(duì)性地進(jìn)行產(chǎn)品營(yíng)銷的行為。大數(shù)據(jù)時(shí)代數(shù)據(jù)呈現(xiàn)井噴式爆炸性增長(zhǎng)，不斷驅(qū)動(dòng)企業(yè)大數(shù)據(jù)精準(zhǔn)營(yíng)銷的應(yīng)用，數(shù)據(jù)挖掘成了企業(yè)從海量數(shù)據(jù)中獲取信息知識(shí)的必要技術(shù)手段。本文主要探討數(shù)據(jù)挖掘常見(jiàn)方法、挖掘過(guò)程及在企業(yè)精準(zhǔn)營(yíng)銷服務(wù)的應(yīng)用，以實(shí)際案例分析總結(jié)企業(yè)利用數(shù)據(jù)挖掘開(kāi)展精準(zhǔn)營(yíng)銷工作更為合理的方法、流程。

　　【關(guān)鍵詞】數(shù)據(jù)挖掘；方法論；精準(zhǔn)營(yíng)銷服務(wù)；策略

　　一、引言

　　大數(shù)據(jù)時(shí)代的來(lái)臨，數(shù)據(jù)呈現(xiàn)井噴式爆炸性增長(zhǎng)。在海量數(shù)據(jù)中，隱藏著無(wú)數(shù)商業(yè)機(jī)會(huì)，但如何將大數(shù)據(jù)利用起來(lái)卻是一項(xiàng)艱巨的工作。在企業(yè)實(shí)施精準(zhǔn)營(yíng)銷服務(wù)過(guò)程中，面臨著客戶在哪？客戶有什么特征？客戶需要什么產(chǎn)品？如何進(jìn)行有效營(yíng)銷，提升客戶價(jià)值？我們?cè)跀?shù)據(jù)的海洋里淹死了，卻在知識(shí)的海洋里渴死了……而從龐大的數(shù)據(jù)中，借助合適的數(shù)據(jù)挖掘技術(shù)及工具，借助結(jié)合實(shí)際的數(shù)據(jù)挖掘方法，以客觀統(tǒng)計(jì)分析和挖掘算法挖掘出企業(yè)精準(zhǔn)營(yíng)銷服務(wù)的潛在目標(biāo)用戶、用戶特征，同時(shí)匹配合適的營(yíng)銷服務(wù)策略，可以顯著提升企業(yè)營(yíng)銷服務(wù)精準(zhǔn)度與成功率。

　　二、數(shù)據(jù)挖掘方法

　　數(shù)據(jù)挖掘工作本質(zhì)上是一個(gè)解決實(shí)際業(yè)務(wù)問(wèn)題的過(guò)程，需要有系統(tǒng)、科學(xué)的數(shù)據(jù)挖掘方法論來(lái)指導(dǎo)。業(yè)內(nèi)主流的數(shù)據(jù)挖掘方法論有：歐盟機(jī)構(gòu)聯(lián)合起草的CRISP-DM、SAS公司提出的SEMMA。CRISP-DM將數(shù)據(jù)挖掘分為6個(gè)階段，即商業(yè)理解（Busi-nessunderstanding）、數(shù)據(jù)理解（Dataunderstanding）、數(shù)據(jù)準(zhǔn)備（Datapreparation）、建模（Modeling）、評(píng)估（Evaluation）、部署（Deployment）。而SEMMA將數(shù)據(jù)挖掘分為5個(gè)階段，即數(shù)據(jù)取樣（Sample）、數(shù)據(jù)特征探索、分析和預(yù)處理（Explore）、問(wèn)題明確化、數(shù)據(jù)調(diào)整和技術(shù)選擇（Modify）、模型的研發(fā)、知識(shí)的發(fā)現(xiàn)（Model）、模型和知識(shí)的綜合解釋和評(píng)價(jià)（Assess）。從工作流程來(lái)看，CRISP-DM是從項(xiàng)目執(zhí)行角度談的方法論，更關(guān)注與商業(yè)目標(biāo)的結(jié)合，而SEMMA則是從具體數(shù)據(jù)探測(cè)和挖掘出發(fā)談的方法論，更關(guān)注數(shù)據(jù)探索的過(guò)程。但從具體工作內(nèi)容來(lái)看，CRISP-DM和SEMMA本質(zhì)上都是在數(shù)據(jù)挖掘應(yīng)用中提出問(wèn)題、分析問(wèn)題和解決問(wèn)題的過(guò)程。因此，CRISP-DM和SEMMA互不矛盾，只是強(qiáng)調(diào)的重點(diǎn)不同而已。結(jié)合企業(yè)實(shí)施數(shù)據(jù)挖掘工作的實(shí)踐經(jīng)驗(yàn)，經(jīng)常采用PDMA數(shù)據(jù)挖掘方法。PDMA將數(shù)據(jù)挖掘分為4個(gè)階段，即定義業(yè)務(wù)問(wèn)題（Problemdefinition）、數(shù)據(jù)準(zhǔn)備（DataPreparation）、模型構(gòu)建（ModelCreation）、模型應(yīng)用（ModelApplication）。與CRISP-DM、SEMMA等相比，PDMA類似CRISP-DM，但又有較大差異。首先，PDMA將CRISP-DM的數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備做了提煉與分解。PDMA的數(shù)據(jù)準(zhǔn)備是在滿足業(yè)務(wù)目標(biāo)的前提下，確定挖掘建模的數(shù)據(jù)范圍，并構(gòu)建生成寬表數(shù)據(jù)及核查數(shù)據(jù)準(zhǔn)確性。PDMA的模型構(gòu)建是在數(shù)據(jù)準(zhǔn)備后，從數(shù)據(jù)集中采集業(yè)務(wù)問(wèn)題相關(guān)的樣本數(shù)據(jù)集，探索數(shù)據(jù)的規(guī)律和趨勢(shì)，針對(duì)數(shù)據(jù)建模的數(shù)據(jù)集數(shù)據(jù)進(jìn)行探索，選擇一種或幾種挖掘算法，進(jìn)行模型構(gòu)建及從技術(shù)和業(yè)務(wù)兩個(gè)角度進(jìn)行模型評(píng)估�？梢�(jiàn)，PDMA的數(shù)據(jù)準(zhǔn)備只負(fù)責(zé)建模挖掘?qū)挶頊?zhǔn)備，數(shù)據(jù)探索包括衍生變量的生成、選擇等部分?jǐn)?shù)據(jù)處理工作在模型構(gòu)建階段實(shí)現(xiàn)，各階段間的工作分工也更為清晰。其次，PDMA的模型應(yīng)用不僅僅是模型部署，還包括模型評(píng)分、模型監(jiān)控與維護(hù)，確保當(dāng)市場(chǎng)環(huán)境、用戶數(shù)據(jù)發(fā)生變化時(shí)，能及時(shí)判別在用的挖掘模型是否還有效、適用。對(duì)于不適用的挖掘模型及時(shí)調(diào)整優(yōu)化，實(shí)現(xiàn)模型閉環(huán)管理。同時(shí)，PDMA的模型應(yīng)用還強(qiáng)調(diào)模型輸出目標(biāo)用戶的細(xì)分，及與市場(chǎng)營(yíng)銷策略的匹配建議，幫助業(yè)務(wù)部門更好理解模型輸出及指導(dǎo)后續(xù)工作的開(kāi)展。PDMA數(shù)據(jù)挖掘方法論是CRISP-DM、SEMMA等方法論的提煉優(yōu)化。

　　三、數(shù)據(jù)挖掘精準(zhǔn)營(yíng)銷應(yīng)用

　　隨著三大運(yùn)營(yíng)商全業(yè)務(wù)經(jīng)營(yíng)的迅猛發(fā)展，寬帶市場(chǎng)競(jìng)爭(zhēng)激烈、市場(chǎng)日益飽和，越發(fā)呈現(xiàn)價(jià)格戰(zhàn)的競(jìng)爭(zhēng)格局。借助大數(shù)據(jù)分析挖掘可精準(zhǔn)識(shí)別寬帶營(yíng)銷服務(wù)潛在目標(biāo)客戶及特征，從而實(shí)現(xiàn)營(yíng)銷服務(wù)有的放矢。

　　1、定義業(yè)務(wù)問(wèn)題

　�。�1）基于歷史數(shù)據(jù)挖掘過(guò)往寬帶營(yíng)銷服務(wù)客戶寬帶使用特征、消費(fèi)水平特征、上網(wǎng)偏好等，剖析營(yíng)銷服務(wù)用戶的主要特征和原因，輸出潛在目標(biāo)用戶清單。（2）在輸出潛在目標(biāo)用戶清單的基礎(chǔ)上，對(duì)目標(biāo)客戶進(jìn)一步深入挖掘分群，剖析出不同人群客戶的寬帶使用、消費(fèi)行為的典型特點(diǎn)，提出針對(duì)性營(yíng)銷服務(wù)策略。（3）針對(duì)輸出的潛在目標(biāo)用戶清單和分群制定具體的銷售策略，進(jìn)行派單執(zhí)行，跟蹤效果，做好下次模型迭代優(yōu)化。

　　2、數(shù)據(jù)準(zhǔn)備

　　數(shù)據(jù)準(zhǔn)備是在滿足業(yè)務(wù)目標(biāo)前提下，確定數(shù)據(jù)建模的數(shù)據(jù)范圍，描述和檢查這些數(shù)據(jù)，并構(gòu)建建模寬表。針對(duì)寬帶用戶的行為特征，可以選取以下幾個(gè)數(shù)據(jù)維度：上網(wǎng)偏好維度、消費(fèi)行為維度、產(chǎn)品及終端結(jié)構(gòu)維度。其中，偏好類別數(shù)據(jù)主要利用DPI數(shù)據(jù)對(duì)用戶訪問(wèn)的目標(biāo)URL地址，進(jìn)行多維度的統(tǒng)計(jì)計(jì)算后，得出的興趣類別標(biāo)簽。輸入模型的變量要根據(jù)不同區(qū)域和每次預(yù)測(cè)的數(shù)據(jù)源動(dòng)態(tài)調(diào)整。經(jīng)過(guò)數(shù)據(jù)清洗、整理、派生，最終確定模型輸入變量時(shí)，主要依據(jù)對(duì)于模型輸出結(jié)果的影響顯著性選擇。

　　3、模型構(gòu)建

　　模型構(gòu)建就是在數(shù)據(jù)準(zhǔn)備后，從數(shù)據(jù)集市中采集業(yè)務(wù)問(wèn)題相關(guān)的樣本數(shù)據(jù)集，探索數(shù)據(jù)的規(guī)律和趨勢(shì)，針對(duì)數(shù)據(jù)建模的數(shù)據(jù)集數(shù)據(jù)進(jìn)行修正，選擇一種或幾種挖掘方法，進(jìn)行數(shù)據(jù)模型構(gòu)建，從技術(shù)和業(yè)務(wù)兩個(gè)層面進(jìn)行模型評(píng)估。通常情況下，主要以邏輯回歸和決策樹(shù)等作為建模主要方法，此類模型能輸出具體流失公式和規(guī)則。在進(jìn)行用戶分群時(shí)，主要以聚類模型為主要方法，尋找不同類型用戶特征，制定分群針對(duì)性維系策略。

　　4、模型應(yīng)用

　　在輸出潛在目標(biāo)用戶清單的基礎(chǔ)上，對(duì)目標(biāo)客戶進(jìn)行分群。根據(jù)數(shù)據(jù)挖掘模型結(jié)果，寬帶營(yíng)銷服務(wù)用戶可以分為以下5類：低需求型用戶、供給過(guò)剩型用戶、供給不足型用戶、長(zhǎng)期高需求型用戶、短期高需求型用戶�；�于分群后的目標(biāo)用戶，可以針對(duì)性進(jìn)行營(yíng)銷服務(wù)策略匹配，如低需求型用戶可以采用寬帶資費(fèi)優(yōu)惠（如對(duì)上網(wǎng)少用戶采取特定的低資費(fèi)），供給不足型用戶可以采用加快低寬帶客戶向高帶寬的遷移政策。最后進(jìn)行派單執(zhí)行，跟蹤效果。

　　四、結(jié)束語(yǔ)

　　大數(shù)據(jù)時(shí)代，由于信息技術(shù)的應(yīng)用普及，產(chǎn)生了大量的數(shù)據(jù)，每年都以指數(shù)級(jí)速度增長(zhǎng)。數(shù)據(jù)量大導(dǎo)致數(shù)據(jù)應(yīng)用也會(huì)變得越來(lái)越困難，而借助合適的數(shù)據(jù)挖掘技術(shù)及工具，結(jié)合實(shí)際的數(shù)據(jù)挖掘方法，可以更加有效地提高數(shù)據(jù)的利用率，更深層次地挖掘出對(duì)企業(yè)精準(zhǔn)營(yíng)銷有價(jià)值的信息，實(shí)現(xiàn)對(duì)海量信息的掌控，讓企業(yè)實(shí)現(xiàn)更為精準(zhǔn)的營(yíng)銷服務(wù)。

數(shù)據(jù)挖掘論文14

　　摘要：主要通過(guò)對(duì)數(shù)據(jù)挖掘技術(shù)的探討，對(duì)職教多年累積的教學(xué)數(shù)據(jù)運(yùn)用分類、決策樹(shù)、關(guān)聯(lián)規(guī)則等技術(shù)進(jìn)行分析，從分析的結(jié)果中發(fā)現(xiàn)有價(jià)值的數(shù)據(jù)模式，科學(xué)合理地實(shí)現(xiàn)教學(xué)評(píng)估，讓教學(xué)管理者能夠從中發(fā)現(xiàn)教學(xué)活動(dòng)中存在的主要問(wèn)題以便及時(shí)改進(jìn)，進(jìn)而輔助管理者決策做好教學(xué)管理。

　　關(guān)鍵詞：教學(xué)評(píng)估;數(shù)據(jù)挖掘;教學(xué)評(píng)估體系;層次分析法

　　1概述

　　近年來(lái)國(guó)家對(duì)中等職業(yè)教育的發(fā)展高度重視，在政策扶持與職教工作者的努力下，職業(yè)教育獲得了蓬勃的發(fā)展。如何提高教學(xué)質(zhì)量、培養(yǎng)合格的高技術(shù)人才成為職教工作者研究的課題。各種調(diào)查研究結(jié)果表明：加強(qiáng)師資隊(duì)伍的建設(shè)，強(qiáng)化教師教學(xué)評(píng)估對(duì)教學(xué)質(zhì)量的提高尤為重要。

　　所謂教學(xué)評(píng)估，就是運(yùn)用系統(tǒng)科學(xué)的方法對(duì)教學(xué)活動(dòng)或教育行為的價(jià)值、效果作出科學(xué)的判斷過(guò)程。教學(xué)評(píng)估方式要靈活多樣,要多途徑、多方位、多形式的發(fā)揮評(píng)估的導(dǎo)學(xué)作用，以鼓勵(lì)評(píng)估為主，充分發(fā)揮評(píng)估的激勵(lì)功能,促進(jìn)教學(xué)的健康發(fā)展。

　　在中等職業(yè)學(xué)校多年的教育教學(xué)工作中積累了大量的教務(wù)管理數(shù)據(jù)、教師檔案數(shù)據(jù)等，怎樣從龐雜大量的數(shù)據(jù)中挖掘出有效提高教學(xué)質(zhì)量的關(guān)鍵因素是個(gè)難題。數(shù)據(jù)挖掘技術(shù)卻可以從人工智能的角度很好地解決這一課題。通過(guò)數(shù)據(jù)挖掘技術(shù)，得到隱藏在教學(xué)數(shù)據(jù)背后的有用信息，在一定程度上為教學(xué)部門提供決策支持信息促使更好地開(kāi)展教學(xué)工作，提高教學(xué)質(zhì)量和教學(xué)管理水平，使之能在功能上更加清晰地認(rèn)識(shí)教師教與學(xué)生學(xué)的關(guān)系及促進(jìn)教育教學(xué)改革。

　　2數(shù)據(jù)挖掘技術(shù)

　　2.1數(shù)據(jù)挖掘的含義

　　數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。數(shù)據(jù)挖掘應(yīng)該更正確地命名為“從數(shù)據(jù)中挖掘知識(shí)”。即數(shù)據(jù)挖掘是對(duì)巨大的數(shù)據(jù)集進(jìn)行尋找和分析的計(jì)算機(jī)輔助處理過(guò)程，在這一過(guò)程中顯現(xiàn)先前未曾發(fā)現(xiàn)的模式，然后從這些數(shù)據(jù)中發(fā)掘某些內(nèi)涵信息，包括描述過(guò)去和預(yù)測(cè)未來(lái)趨勢(shì)的信息。人工智能領(lǐng)域習(xí)慣稱知識(shí)發(fā)現(xiàn)，而數(shù)據(jù)庫(kù)領(lǐng)域習(xí)慣將其稱為數(shù)據(jù)挖掘。

　　2.2數(shù)據(jù)挖掘的基本過(guò)程

　　數(shù)據(jù)挖掘過(guò)程包括對(duì)問(wèn)題的理解和提出、數(shù)據(jù)收集、數(shù)據(jù)處理、數(shù)據(jù)變換、數(shù)據(jù)挖掘、模式評(píng)估、知識(shí)表示等過(guò)程，以上的過(guò)程不是一次完成的，其中某些步驟或者全過(guò)程可能要反復(fù)進(jìn)行。對(duì)問(wèn)題的理解和提出在開(kāi)始數(shù)據(jù)挖掘之前，最基礎(chǔ)的工作就是理解數(shù)據(jù)和實(shí)際的業(yè)務(wù)問(wèn)題，在這個(gè)基礎(chǔ)之上提出問(wèn)題，對(duì)目標(biāo)作出明確的定義。

　　2.3數(shù)據(jù)挖掘常用的算法

　　2.3.1分類分析方法：是通過(guò)分析訓(xùn)練集中的數(shù)據(jù)，為每個(gè)類別做出準(zhǔn)確的描述或建立分析模型或挖掘出分類規(guī)則，以便以后利用這個(gè)分類規(guī)則對(duì)其它數(shù)據(jù)庫(kù)中的記錄進(jìn)行分類的方法。2.3.2決策樹(shù)算法：是一種常用于分類、預(yù)測(cè)模型的算法，它通過(guò)將大量數(shù)據(jù)有目的的分類，從而找到一些有價(jià)值的、潛在的信息。它的主要優(yōu)點(diǎn)是描述簡(jiǎn)單，分類速度快，特別適合大規(guī)模的數(shù)據(jù)處理。2.3.3聚類算法：聚類分析處理的數(shù)據(jù)對(duì)象的類是未知的。聚類分析就是將對(duì)象集合分組為由類似的對(duì)象組成的多個(gè)簇的過(guò)程。在同一個(gè)簇內(nèi)的對(duì)象之間具有較高的相似度，而不同簇內(nèi)的對(duì)象差別較大。2.3.4關(guān)聯(lián)規(guī)則算法：側(cè)重于確定數(shù)據(jù)中不同領(lǐng)域之間的關(guān)系，即尋找給定數(shù)據(jù)集中的有趣聯(lián)系。提取描述數(shù)據(jù)庫(kù)中數(shù)據(jù)項(xiàng)之間所存在的潛在關(guān)系的規(guī)則，找出滿足給定支持度和置信度閾值的多個(gè)域之間的依賴關(guān)系。

　　在以上各種算法的研究中，比較有影響的是關(guān)聯(lián)規(guī)則算法。

　　3教學(xué)評(píng)估體系

　　評(píng)價(jià)指標(biāo)體系是教學(xué)評(píng)估的基礎(chǔ)和依據(jù)，對(duì)評(píng)估起著導(dǎo)向作用，因此制定一個(gè)科學(xué)全面的評(píng)價(jià)指標(biāo)體系就成為改革、完善評(píng)價(jià)的首要目標(biāo)。評(píng)價(jià)指標(biāo)應(yīng)以指導(dǎo)教學(xué)實(shí)踐為目的，通過(guò)評(píng)價(jià)使教師明確教學(xué)過(guò)程中應(yīng)該肯定的和需要改進(jìn)的地方;以及給出設(shè)計(jì)評(píng)價(jià)指標(biāo)的導(dǎo)向問(wèn)題。

　　3.1教學(xué)評(píng)估體系的構(gòu)建方法

　　層次分析法(簡(jiǎn)稱AHP法)是美國(guó)運(yùn)籌學(xué)家T·L·Saaty教授在20世紀(jì)70年代初期提出的一種簡(jiǎn)便、靈活而又實(shí)用的多準(zhǔn)則決策的系統(tǒng)分析方法，其原理是把一個(gè)復(fù)雜問(wèn)題分解、轉(zhuǎn)化為定量分析的方法。它需要建立關(guān)于系統(tǒng)屬性的各因素多級(jí)遞階結(jié)構(gòu)，然后對(duì)每一層次上的因素逐一進(jìn)行比較，得到判斷矩陣，通過(guò)計(jì)算判斷矩陣的特征值和特征向量，得到其關(guān)于上一層因素的相對(duì)權(quán)重，并可自上而下地用上一層次因素的相對(duì)權(quán)重加權(quán)求和，求出各層次因素關(guān)于系統(tǒng)整體屬性(總目標(biāo)層)的綜合重要度。

　　3.2構(gòu)建教學(xué)評(píng)估指標(biāo)體系的作用

　　3.2.1構(gòu)建的教學(xué)評(píng)估指標(biāo)，作為挖掘庫(kù)選擇教學(xué)信息屬性的依據(jù)。

　　3.2.2通過(guò)AHP方法，能篩選出用來(lái)評(píng)價(jià)教學(xué)質(zhì)量的相關(guān)重要屬性，從而入選為挖掘庫(kù)字段，這樣就減去了挖掘庫(kù)中對(duì)于挖掘目標(biāo)來(lái)說(shuō)影響較小的屬性，進(jìn)而大大減少了挖掘的工作量，提高挖掘效率。3.2.3通過(guò)構(gòu)建教學(xué)評(píng)估指標(biāo)，減少了挖掘?qū)ο蟮淖侄�，從而避免因挖掘字段過(guò)多，導(dǎo)致建立的決策樹(shù)過(guò)大，出現(xiàn)過(guò)度擬合挖掘?qū)ο�，進(jìn)而造成挖掘規(guī)則不具有很好的評(píng)價(jià)效果的現(xiàn)象。3.2.4提高教學(xué)質(zhì)量評(píng)估實(shí)施工作的效率。

　　4數(shù)據(jù)挖掘在教學(xué)評(píng)估中的應(yīng)用

　　4.1學(xué)習(xí)效果評(píng)價(jià)學(xué)習(xí)評(píng)價(jià)是教育工作者的重要職責(zé)之一。評(píng)價(jià)學(xué)生的學(xué)習(xí)情況，既對(duì)學(xué)生起到信息反饋和激發(fā)學(xué)習(xí)動(dòng)機(jī)的作用，又是檢查課程計(jì)劃、教學(xué)程序以至教學(xué)目的的手段，也是考查學(xué)生個(gè)別差異、便于因材施教的途徑。評(píng)價(jià)要遵循“評(píng)價(jià)內(nèi)容要全面、評(píng)價(jià)方式要多元化、評(píng)價(jià)次數(shù)要多次化，注重自評(píng)與互評(píng)的有機(jī)結(jié)合”的原則。利用數(shù)據(jù)挖掘工具，對(duì)教師業(yè)務(wù)檔案數(shù)據(jù)庫(kù)、行為記錄數(shù)據(jù)庫(kù)、獎(jiǎng)勵(lì)處罰數(shù)據(jù)庫(kù)等進(jìn)行分析處理，可以即時(shí)得到教師教學(xué)的評(píng)價(jià)結(jié)果，對(duì)教學(xué)過(guò)程出現(xiàn)的問(wèn)題進(jìn)行及時(shí)指正。

　　另外，這種系統(tǒng)還能夠克服教師主觀評(píng)價(jià)的不公正、不客觀的弱點(diǎn)，減輕教師的工作量。

　　4.2課堂教學(xué)評(píng)價(jià)

　　課堂教學(xué)評(píng)價(jià)不僅對(duì)教學(xué)起著調(diào)節(jié)、控制、指導(dǎo)和推動(dòng)作用，而且有很強(qiáng)的導(dǎo)向性，是學(xué)校教學(xué)管理的重要組成部分，是評(píng)價(jià)教學(xué)工作成績(jī)的主要手段。實(shí)現(xiàn)對(duì)任課教師及教學(xué)組織工作效果做出評(píng)價(jià)，但是更重要的目的是總結(jié)優(yōu)秀的教學(xué)經(jīng)驗(yàn)，為教學(xué)質(zhì)量的穩(wěn)定提高制定科學(xué)的規(guī)范。學(xué)校每學(xué)期都要搞課堂教學(xué)評(píng)價(jià)調(diào)查，積累了大量的數(shù)據(jù)。利用數(shù)據(jù)挖掘技術(shù)，從教學(xué)評(píng)價(jià)數(shù)據(jù)中進(jìn)行數(shù)據(jù)挖掘，將關(guān)聯(lián)規(guī)則應(yīng)用于教師教學(xué)評(píng)估系統(tǒng)中，探討教學(xué)效果的好壞與老師的年齡、職稱、學(xué)歷之間的聯(lián)系;確定教師的教學(xué)內(nèi)容的范圍和深度是否合適，選擇的教學(xué)媒體是否適合所選的教學(xué)內(nèi)容和教學(xué)對(duì)象;講解的時(shí)間是否恰到好處;教學(xué)策略是否得當(dāng)?shù)�。從而可以及時(shí)地將挖掘出的規(guī)則信息反饋給教師。管理部門據(jù)此能合理配置班級(jí)的上課教師，使學(xué)生能夠較好地保持良好的學(xué)習(xí)態(tài)度，從而為教學(xué)部門提供了決策支持信息，促使教學(xué)工作更好地開(kāi)展。

　　結(jié)束語(yǔ)

　　數(shù)據(jù)挖掘作為一種工具，其技術(shù)日趨成熟，在許多領(lǐng)域取得了廣泛的應(yīng)用。在教育領(lǐng)域里，隨著數(shù)據(jù)的不斷累積，把數(shù)據(jù)挖掘技術(shù)應(yīng)用到教學(xué)評(píng)價(jià)系統(tǒng)中，讓領(lǐng)導(dǎo)者能夠從中發(fā)現(xiàn)教師教學(xué)活動(dòng)中的主要問(wèn)題，以便及時(shí)改進(jìn)，進(jìn)而輔助領(lǐng)導(dǎo)決策做好學(xué)校管理，提高學(xué)校管理能力和水平，同時(shí)通過(guò)建立有效的教學(xué)激勵(lì)機(jī)制來(lái)達(dá)到提高教學(xué)質(zhì)量的目的。這一研究對(duì)發(fā)展中的職業(yè)教育教學(xué)管理提出了很好的建議，為教學(xué)管理工作的計(jì)算機(jī)輔助決策增添了新的內(nèi)容。將數(shù)據(jù)挖掘技術(shù)應(yīng)用于中職教學(xué)評(píng)估，設(shè)計(jì)開(kāi)發(fā)一套行之有效的課堂教學(xué)評(píng)價(jià)系統(tǒng)，是下一步要做的工作，必將有力推動(dòng)職業(yè)教育的快速發(fā)展。

數(shù)據(jù)挖掘論文15

　　隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，學(xué)術(shù)研究環(huán)境較以前更加開(kāi)放，對(duì)傳統(tǒng)的科技出版業(yè)提出了開(kāi)放性、互動(dòng)性和快速性的要求; 因此，以信息技術(shù)為基礎(chǔ)的現(xiàn)代數(shù)字化出版方式對(duì)傳統(tǒng)的科技出版業(yè)產(chǎn)生著深刻的影響。為了順應(yīng)這一趨勢(shì)，不少科技期刊都進(jìn)行了數(shù)字化建設(shè)，構(gòu)建了符合自身情況、基于互聯(lián)網(wǎng)B /S 結(jié)構(gòu)的稿件處理系統(tǒng)。

　　以中華醫(yī)學(xué)會(huì)雜志社為代表的部分科技期刊出版集團(tuán)均開(kāi)發(fā)使用了發(fā)行系統(tǒng)、廣告登記系統(tǒng)、在線銷售系統(tǒng)以及站。這些系統(tǒng)雖然積累了大量的原始用戶業(yè)務(wù)數(shù)據(jù); 但從工作系統(tǒng)來(lái)看，由于數(shù)據(jù)本身只屬于編輯部的業(yè)務(wù)數(shù)據(jù)，因此一旦相關(guān)業(yè)務(wù)工作進(jìn)行完畢，將很少再對(duì)這些數(shù)據(jù)進(jìn)行分析使用。

　　隨著目前人工智能和機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，研究人員發(fā)現(xiàn)利用最新的數(shù)據(jù)挖掘方法可以對(duì)原始用戶業(yè)務(wù)數(shù)據(jù)進(jìn)行有效分析和學(xué)習(xí)，找出其中數(shù)據(jù)背后隱含的內(nèi)在規(guī)律。這些有價(jià)值的規(guī)律和寶貴的經(jīng)驗(yàn)將對(duì)后續(xù)科技期刊經(jīng)營(yíng)等工作提供巨大的幫助。

　　姚偉欣等指出，從STM 期刊出版平臺(tái)的技術(shù)發(fā)展來(lái)看，利用數(shù)據(jù)存取、數(shù)據(jù)管理、關(guān)聯(lián)數(shù)據(jù)分析、海量數(shù)據(jù)分析等數(shù)據(jù)挖掘技術(shù)將為科技期刊的出版和發(fā)行提供有力的幫助。通過(guò)使用數(shù)據(jù)挖掘( data mining) 等各種數(shù)據(jù)處理技術(shù)，人們可以很方便地從大量不完全且含有噪聲或相對(duì)模糊的實(shí)際數(shù)據(jù)中，提取隱藏在其中有價(jià)值的信息，從而對(duì)后續(xù)科技期刊出版工作起到重要的知識(shí)發(fā)現(xiàn)和決策支持的作用。

　　1 數(shù)據(jù)挖掘在科技期刊中應(yīng)用的現(xiàn)狀

　　傳統(tǒng)的數(shù)據(jù)庫(kù)對(duì)數(shù)據(jù)的處理功能包括增、刪、改、查等。這些技術(shù)均無(wú)法發(fā)現(xiàn)數(shù)據(jù)內(nèi)在的關(guān)聯(lián)和規(guī)則，更無(wú)法根據(jù)現(xiàn)有數(shù)據(jù)對(duì)未來(lái)發(fā)展的趨勢(shì)進(jìn)行預(yù)測(cè)�，F(xiàn)有數(shù)據(jù)挖掘的任務(wù)可以分為對(duì)數(shù)據(jù)模型進(jìn)行分類或預(yù)測(cè)、數(shù)據(jù)總結(jié)、數(shù)據(jù)聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列模式發(fā)現(xiàn)、依賴關(guān)系發(fā)現(xiàn)、異�；蚶�外點(diǎn)檢測(cè)以及趨勢(shì)發(fā)現(xiàn)等，但目前國(guó)內(nèi)科技期刊行業(yè)利用數(shù)據(jù)挖掘方法進(jìn)行大規(guī)模數(shù)據(jù)處理仍處在起步階段。張品純等對(duì)中國(guó)科協(xié)所屬的科技期刊出版單位的現(xiàn)狀進(jìn)行分析后發(fā)現(xiàn)，中國(guó)科協(xié)科技期刊出版單位多為單刊獨(dú)立經(jīng)營(yíng)，單位的規(guī)模較小、實(shí)力較弱，多數(shù)出版單位不具備市場(chǎng)主體地位。這樣就導(dǎo)致國(guó)內(nèi)大部分科技期刊既沒(méi)有能力進(jìn)行數(shù)據(jù)挖掘，也沒(méi)有相應(yīng)的數(shù)據(jù)資源準(zhǔn)備。以數(shù)據(jù)挖掘技術(shù)應(yīng)用于期刊網(wǎng)站為例，為了進(jìn)行深入的數(shù)據(jù)分析，期刊經(jīng)營(yíng)人員需要找到稿件與讀者之間、讀者群體之間隱藏的內(nèi)在聯(lián)系。目前，數(shù)據(jù)挖掘的基本步驟為: 1) 明確數(shù)據(jù)挖掘的對(duì)象與目標(biāo);2) 確定數(shù)據(jù)源; 3) 建立數(shù)據(jù)模型; 4) 建立數(shù)據(jù)倉(cāng)庫(kù); 5)數(shù)據(jù)挖掘分析; 6) 對(duì)象與目標(biāo)的數(shù)據(jù)應(yīng)用和反饋。

　　2 期刊數(shù)據(jù)的資源整合

　　編輯部從稿件系統(tǒng)、發(fā)行系統(tǒng)、廣告系統(tǒng)、站等各個(gè)系統(tǒng)中將相關(guān)數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換和整理，然后加載到數(shù)據(jù)倉(cāng)庫(kù)中。進(jìn)一步，根據(jù)業(yè)務(wù)應(yīng)用的范圍和緊密度，建立相關(guān)數(shù)據(jù)集市。期刊數(shù)據(jù)資源的整合過(guò)程從數(shù)據(jù)體系上可分為數(shù)據(jù)采集層、數(shù)據(jù)存儲(chǔ)處理層和數(shù)據(jù)展現(xiàn)層。

　　要獲得能夠適合企業(yè)內(nèi)部多部門均可使用、挖掘和分析的數(shù)據(jù)，可以從業(yè)務(wù)的關(guān)聯(lián)性分析數(shù)據(jù)的準(zhǔn)確性、一致性、有效性和數(shù)據(jù)的內(nèi)在關(guān)聯(lián)性。

　　3 期刊數(shù)據(jù)的信息挖掘

　　信息挖掘?yàn)榱藦牟煌�種類和形式的業(yè)務(wù)進(jìn)行抽取、變換、集成數(shù)據(jù)，最后將其存儲(chǔ)到數(shù)據(jù)倉(cāng)庫(kù)，并要對(duì)數(shù)據(jù)的質(zhì)量進(jìn)行維護(hù)和管理。數(shù)據(jù)挖掘可以有效地識(shí)別讀者的閱讀行為，發(fā)現(xiàn)讀者的閱讀模式和趨勢(shì)，對(duì)網(wǎng)站改進(jìn)服務(wù)質(zhì)量、取得更好的用戶黏稠度和滿意度、提高科技期刊經(jīng)營(yíng)能力有著重要的意義。作為一個(gè)分析推薦系統(tǒng)，我們將所分析的統(tǒng)計(jì)結(jié)果存儲(chǔ)于服務(wù)器中，在用戶或決策者需要查詢時(shí)，只需輸入要找尋的用戶信息，系統(tǒng)將從數(shù)據(jù)庫(kù)中抽取其個(gè)人信息，并處理返回到上網(wǎng)時(shí)間分布、興趣點(diǎn)所在、適配業(yè)務(wù)及他對(duì)于哪些業(yè)務(wù)是有價(jià)值客戶，甚至包括他在什么時(shí)段對(duì)哪類信息更感興趣等。只有這些信息才是我們的使用對(duì)象所看重和需要的。

　　網(wǎng)站結(jié)構(gòu)挖掘是挖掘網(wǎng)站中潛在的鏈接結(jié)構(gòu)模式。通過(guò)分析一個(gè)網(wǎng)頁(yè)的鏈接、鏈接數(shù)量以及鏈接對(duì)象，建立網(wǎng)站自身的鏈接結(jié)構(gòu)模式。在此過(guò)程中，如果發(fā)現(xiàn)某一頁(yè)面被較多鏈接所指向，則說(shuō)明該頁(yè)面信息是有價(jià)值的，值得期刊工作人員做更深層次的挖掘。網(wǎng)站結(jié)構(gòu)挖掘在具體應(yīng)用時(shí)采用的結(jié)構(gòu)和技術(shù)各不相同; 但主要過(guò)程均包括預(yù)處理、模式發(fā)現(xiàn)和模式分析3 部分。為了反映讀者興趣取向，就需要對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)按用戶進(jìn)行抽樣分析，得到興趣點(diǎn)的統(tǒng)計(jì)結(jié)果，而個(gè)人的興趣分析也可基于此思路進(jìn)行。下面以《中華醫(yī)學(xué)雜志》為例做一介紹。

　　預(yù)處理預(yù)處理是網(wǎng)站結(jié)構(gòu)挖掘最關(guān)鍵的一個(gè)環(huán)節(jié)，其處理得到的數(shù)據(jù)質(zhì)量直接關(guān)系到使用數(shù)據(jù)挖掘和模式分析方法進(jìn)行分析的結(jié)果。預(yù)處理步驟包括數(shù)據(jù)清洗、用戶識(shí)別、會(huì)話識(shí)別、路徑補(bǔ)充和事件識(shí)別。以《中華醫(yī)學(xué)雜志》網(wǎng)站www. nmjc. net. cn 的日志分析為例。首先給出一條已有的Log，其內(nèi)容為“20xx-03-04 12: 13: 47 W3SVC80003692 172. 22. 4. 3GET /index. asp-80-123. 185. 247. 49Mozilla /5. 0 +( Windows + NT + 6. 1; + WOW64 ) + AppleWebKit /537. 36 + ( KHTML，+ like + Gecko) + Chrome /28. 0.1500. 95 + Safari /537. 36 + SE + 2. X + MetaSr + 1. 0200 0 0”。從Log 的內(nèi)容，工作人員可以得到相關(guān)信息，如用戶IP、用戶訪問(wèn)頁(yè)面事件、用戶訪問(wèn)的頁(yè)面、用戶請(qǐng)求的方法、返回HTTP 狀態(tài)以及用戶瀏覽的上一頁(yè)面等內(nèi)容。

　　由于服務(wù)器同時(shí)部署了多個(gè)編輯部網(wǎng)站，這就要求工作人員必須對(duì)得到的訪問(wèn)www. nmjc. net. cn 日志，去除由爬蟲(chóng)軟件產(chǎn)生的記錄。這些記錄一般都會(huì)在日志結(jié)尾包含“Spider”的字樣。同時(shí)，還需要去除不是由GET 請(qǐng)求產(chǎn)生的日志以及請(qǐng)求資源不是頁(yè)面類型的日志。最后，工作人員還需要去除訪問(wèn)錯(cuò)誤的請(qǐng)求，可以根據(jù)日志中請(qǐng)求的狀態(tài)進(jìn)行判斷。一般認(rèn)為，請(qǐng)求狀態(tài)在( 200， 300) 范圍內(nèi)是訪問(wèn)正確的日志，其他如403、400 和500 等都是訪問(wèn)錯(cuò)誤的日志。用戶識(shí)別可以根據(jù)用戶的IP 地址和用戶的系統(tǒng)信息來(lái)完成。只有在IP 地址和系統(tǒng)信息都完全一致的情況下，才識(shí)別為一個(gè)用戶。會(huì)話識(shí)別是利用面向時(shí)間的探索法，根據(jù)超時(shí)技術(shù)來(lái)識(shí)別一個(gè)用戶的多次會(huì)話。如果用戶在一段時(shí)間內(nèi)沒(méi)有任何操作，則認(rèn)為會(huì)話結(jié)束。用戶在規(guī)定時(shí)間后重新訪問(wèn)，則被認(rèn)為不屬于此次會(huì)話，而是下次會(huì)話的開(kāi)始。

　　利用WebLogExplore 分析日志、用戶和網(wǎng)頁(yè)信息在獲得了有效的日志數(shù)據(jù)后，工作人員可以利用一些有效數(shù)據(jù)挖掘算法進(jìn)行模式發(fā)現(xiàn)。目前，主要的數(shù)據(jù)挖掘方法有統(tǒng)計(jì)分析、關(guān)聯(lián)規(guī)則、分類、聚類以及序列模式等技術(shù)。本文主要討論利用Apriori 算法來(lái)發(fā)現(xiàn)科技期刊日志數(shù)據(jù)中的關(guān)聯(lián)規(guī)則。本質(zhì)上數(shù)據(jù)挖掘不是用來(lái)驗(yàn)證某個(gè)假定的模式的正確性，而是在數(shù)據(jù)庫(kù)中自己尋找模型，本質(zhì)是一個(gè)歸納的過(guò)程。支持度( Support) 的公式定義為: Support ( A≥B) = P( A ∪B) 。支持度可以用于度量事件A 與B 同時(shí)出現(xiàn)的概率。如果事件A 與B 同時(shí)出現(xiàn)的概率較小，說(shuō)明事件A 與B 的關(guān)系不大; 如果事件A 與B 同時(shí)出現(xiàn)非常頻繁，則說(shuō)明事件A 與B 總是相關(guān)的。置信度( Confidence) 的公式定義為: Confidence( A≥B) = P( A | B) 。置信度揭示了事件A 出現(xiàn)時(shí)，事件B 是否也會(huì)出現(xiàn)或有多大概率出現(xiàn)。如果置信度為100%，則事件A 必然會(huì)導(dǎo)致事件B 出現(xiàn)。置信度太低，說(shuō)明事件A 的出現(xiàn)與事件B 是否出現(xiàn)關(guān)系不大。

　　對(duì)所有的科技期刊日志數(shù)據(jù)進(jìn)行預(yù)處理后，利用WebLogExplore 軟件可得到日志匯總表。表中存儲(chǔ)了所有用戶訪問(wèn)網(wǎng)站頁(yè)面的詳細(xì)信息，工作人員可將其導(dǎo)入數(shù)據(jù)庫(kù)中。以查看到所選擇用戶訪問(wèn)期刊頁(yè)面的詳細(xì)信息。

　　同樣，在WebLogExplore 軟件中選擇感興趣的頁(yè)面，可以查看所有用戶訪問(wèn)該頁(yè)面的統(tǒng)計(jì)信息，如該頁(yè)面的訪問(wèn)用戶數(shù)量等。工作人員可以對(duì)用戶訪問(wèn)排名較高的頁(yè)面進(jìn)行進(jìn)一步的模式分析。

　　步驟1: 將圖2 日志信息匯總表中的數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫(kù)中，建立日志總表。

　　步驟2: 在數(shù)據(jù)庫(kù)中建立一個(gè)新表命名為tj。

　　步驟3: 通過(guò)查詢程序得到日志總表中每一個(gè)用戶訪問(wèn)的頁(yè)面，同時(shí)做distinct 處理。

　　步驟4: 將查詢得到的用戶訪問(wèn)頁(yè)面記錄進(jìn)行判斷。如果用戶訪問(wèn)過(guò)排名前20 位的某個(gè)頁(yè)面，則在數(shù)據(jù)庫(kù)中寫(xiě)入true，否則寫(xiě)入false。依次循環(huán)判斷寫(xiě)入數(shù)據(jù)庫(kù)中。

　　步驟5: 統(tǒng)計(jì)每個(gè)訪問(wèn)排名靠前頁(yè)面的支持度，設(shè)置一維項(xiàng)目集的最小閥值( 10%) 。

　　步驟6: 統(tǒng)計(jì)大于一維閥值的頁(yè)面，寫(xiě)入數(shù)組，并對(duì)數(shù)組內(nèi)部頁(yè)面進(jìn)行兩兩組合，統(tǒng)計(jì)每個(gè)組合2 個(gè)頁(yè)面值均為true 時(shí)的二維項(xiàng)目集的支持度。

　　步驟7: 設(shè)置二維項(xiàng)目集支持度的閥值，依次統(tǒng)計(jì)三維項(xiàng)目集支持度和置信度( A≥B) ，即當(dāng)A 頁(yè)面為true 時(shí)，統(tǒng)計(jì)B 頁(yè)面為true 的數(shù)量，除以A 為true 的數(shù)量。設(shè)置相應(yīng)的置信度閥值，找到訪問(wèn)排名靠前頁(yè)面之間較強(qiáng)的關(guān)聯(lián)規(guī)則。

　　4 數(shù)據(jù)挖掘技術(shù)應(yīng)用的意義

　　1) 對(duì)頻繁訪問(wèn)的用戶，可以使用用戶識(shí)別技術(shù)分析此用戶的歷史訪問(wèn)記錄，得到他經(jīng)常訪問(wèn)的頁(yè)面。當(dāng)該用戶再次登錄系統(tǒng)時(shí)，可以對(duì)其進(jìn)行個(gè)性化提示或推薦。這樣，既方便用戶使用，也可將系統(tǒng)做得更加友好。很多OA 期刊網(wǎng)站，不具備歷史瀏覽記錄的功能; 但瀏覽記錄對(duì)用戶來(lái)講其實(shí)十分重要，隱含了用戶對(duì)文章的篩選過(guò)程，所以對(duì)用戶經(jīng)常訪問(wèn)的頁(yè)面需要進(jìn)行優(yōu)化展示，不能僅僅提供鏈接地址，需要將文章題名、作者、關(guān)鍵詞等信息以列表的方式予以顯示。

　　2) 由數(shù)據(jù)挖掘技術(shù)而產(chǎn)生的頻繁項(xiàng)目集的分析，可以對(duì)網(wǎng)站的結(jié)構(gòu)進(jìn)行改進(jìn)。支持度很高的頁(yè)面，說(shuō)明該頁(yè)面的用戶訪問(wèn)量大。為了方便用戶以及吸引更多的讀者，可以將這些頁(yè)面放置在更容易被訪問(wèn)的位置，科技期刊的網(wǎng)站內(nèi)容一般以年、卷、期的形式展示。用戶如果想查看某一篇影響因子很高的文章，也必須通過(guò)年卷期的方式來(lái)查看，非常不方便而且頁(yè)面友好性不高。通過(guò)數(shù)據(jù)挖掘的分析，編輯部可以把經(jīng)常被訪問(wèn)或者高影響因子的文章放在首頁(yè)展示。

　　3) 對(duì)由數(shù)據(jù)挖掘技術(shù)產(chǎn)生的頻繁項(xiàng)目集的分析，可以發(fā)現(xiàn)用戶的關(guān)注熱點(diǎn)。若某些頁(yè)面或項(xiàng)目被用戶頻繁訪問(wèn)，則可以用這些數(shù)據(jù)對(duì)用戶進(jìn)行分析。一般來(lái)說(shuō)科技期刊的讀者，每個(gè)人的專業(yè)和研究方向都是不同的，編輯部可以通過(guò)數(shù)據(jù)挖掘技術(shù)來(lái)判斷讀者的研究方向和感興趣的熱點(diǎn)，對(duì)每一個(gè)用戶進(jìn)行有針對(duì)性的內(nèi)容推送和消息發(fā)送。

　　4) 網(wǎng)站管理者可以根據(jù)在不同時(shí)間內(nèi)頻繁項(xiàng)目集的變化情況對(duì)科技期刊網(wǎng)站進(jìn)行有針對(duì)性的調(diào)整，比如加入更多關(guān)于該熱點(diǎn)的主題資源。目前大多數(shù)科技期刊網(wǎng)站首頁(yè)的內(nèi)容，均為編輯部工作人員后臺(tái)添加、置頂、高亮來(lái)吸引用戶的; 通過(guò)數(shù)據(jù)挖掘技術(shù)，完全可以擯棄這種展示方式。編輯部網(wǎng)站的用戶訪問(wèn)哪些頁(yè)面頻繁，系統(tǒng)便會(huì)自動(dòng)將這些頁(yè)面的文章推向首頁(yè)，不需要編輯部的人工干預(yù)，整個(gè)網(wǎng)站實(shí)現(xiàn)自動(dòng)化運(yùn)行。

　　5 后記

　　本文重點(diǎn)討論了數(shù)據(jù)挖掘技術(shù)與科技期刊網(wǎng)站頁(yè)面之間的關(guān)系。其實(shí)我們還可以從很多方面進(jìn)行數(shù)據(jù)挖掘，比如可以對(duì)網(wǎng)站的用戶和內(nèi)容進(jìn)行數(shù)據(jù)挖掘，通過(guò)分析可以為后期的期刊經(jīng)營(yíng)做好鋪墊。

　　有一點(diǎn)很重要，沒(méi)有一種數(shù)據(jù)挖掘的分析方法可以應(yīng)付所有的需求。對(duì)于某一種問(wèn)題，數(shù)據(jù)本身的特性會(huì)影響你的選擇，需要用到許多不同的數(shù)據(jù)挖掘方法以及技術(shù)從數(shù)據(jù)中找到最佳的模型。

　　在目前深化文化體制改革，推動(dòng)社會(huì)主義文化大發(fā)展、大繁榮的政治形勢(shì)下，利用數(shù)據(jù)挖掘技術(shù)從中進(jìn)行提取、分析和應(yīng)用，能有效地幫助企業(yè)了解客戶、改進(jìn)系統(tǒng)、制訂合理的市場(chǎng)策略、提高企業(yè)的銷售水平和利潤(rùn)。通過(guò)利用數(shù)據(jù)挖掘技術(shù)準(zhǔn)確定位優(yōu)質(zhì)客戶，向客戶提供更精確、更有價(jià)值的個(gè)性化服務(wù)。這將成為未來(lái)科技期刊經(jīng)營(yíng)十分重要的突破點(diǎn)和增長(zhǎng)點(diǎn)。

【數(shù)據(jù)挖掘論文】相關(guān)文章：

Web結(jié)構(gòu)的數(shù)據(jù)挖掘HITS算法論文03-29

什么是數(shù)據(jù)分析和數(shù)據(jù)挖掘01-14

數(shù)據(jù)挖掘分析報(bào)告模板01-18

數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)病毒防御中的運(yùn)用論文04-26

數(shù)據(jù)挖掘技術(shù)分析醫(yī)院信息管理論文12-25

語(yǔ)文寫(xiě)作創(chuàng)新力的挖掘與培育論文03-27

大神面試京東數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)崗位成功拿到offer01-07

數(shù)據(jù)庫(kù)設(shè)計(jì)論文致謝詞04-11

百度校園招聘數(shù)據(jù)挖掘工程師面試題集錦01-31

淺究基于數(shù)據(jù)挖掘技術(shù)的圖書(shū)館個(gè)性化信息服務(wù)06-20