大數(shù)據(jù)背景下學(xué)生信息集成管理研究

【摘要】學(xué)生信息管理是高校管理工作的重要組成部分，本文抓住了學(xué)生信息管理的基礎(chǔ)是集成與查詢，對(duì)大數(shù)據(jù)背景下學(xué)生信息集成管理做了探討，以期對(duì)高校學(xué)生管理工作有所幫助。

【關(guān)鍵詞】大數(shù)據(jù) 學(xué)生管理 lucene

【中圖分類號(hào)】G64 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】2095-3089（2015）01-0009-02

信息化的不斷發(fā)展，為管理提供了便利。現(xiàn)已存在的教務(wù)系統(tǒng)、就業(yè)信息系統(tǒng)、學(xué)生信息采集系統(tǒng)等記錄了學(xué)生在校期間的所有信息，數(shù)據(jù)的管理利用和查詢就顯得尤為重要，而目前高校在這方面還存在著不足，具體表現(xiàn)在以下幾個(gè)方面：

一、對(duì)信息化手段掌握不足

絕大部分高校和部門仍局限在手工填寫報(bào)表和簡(jiǎn)單的excel報(bào)表等。規(guī)范性較差，基礎(chǔ)工作較薄弱。已有的原始數(shù)據(jù)資料和新增的數(shù)據(jù)資料都不完善不規(guī)范，需要數(shù)據(jù)時(shí)無(wú)法及時(shí)的提供，工作效率大大降低。

二、大數(shù)據(jù)

全球知名咨詢公司麥肯錫，在“大數(shù)據(jù)”研究報(bào)告中指出，數(shù)據(jù)已經(jīng)滲透到每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，對(duì)于海量數(shù)據(jù)的運(yùn)用將預(yù)示著新一波生產(chǎn)率增長(zhǎng)和消費(fèi)者盈余浪潮的到來(lái)。

不同行業(yè)對(duì)大數(shù)據(jù)的定義有所區(qū)別，每種定義都有他們的共性所在： 大數(shù)據(jù)中所指的數(shù)據(jù)是全部數(shù)據(jù)。大數(shù)據(jù)最終的用途和關(guān)鍵點(diǎn)是“預(yù)測(cè)”。

“大數(shù)據(jù)”是目前呈現(xiàn)出的一種現(xiàn)象而不是一項(xiàng)新產(chǎn)生的技術(shù)?！按蟆庇袃蓚€(gè)深層次的含義：首先是數(shù)據(jù)量大。通常定義10TB的數(shù)據(jù)量為是大型數(shù)據(jù)集，但是在現(xiàn)實(shí)高校與企業(yè)中，多個(gè)數(shù)據(jù)集集合在一起，就已經(jīng)遠(yuǎn)遠(yuǎn)超于10TB的數(shù)量；其次是數(shù)據(jù)種類多，數(shù)據(jù)來(lái)源多。這些數(shù)據(jù)生產(chǎn)于不同的系統(tǒng)，不同的應(yīng)用，不同的部門背景，并且數(shù)據(jù)的種類和格式也各種各樣，呈現(xiàn)出多元化的特點(diǎn)。因此大數(shù)據(jù)并不等同于海量數(shù)據(jù)，并且處理大數(shù)據(jù)，要面臨更大的挑戰(zhàn)。

高校大數(shù)據(jù)是高校信息化中重要的進(jìn)一步發(fā)展，將對(duì)高校各部門的決策支持、個(gè)性化服務(wù)、人性化管理、預(yù)警服務(wù)及預(yù)測(cè)等領(lǐng)域產(chǎn)生巨大的推動(dòng)作用。

三、大數(shù)據(jù)背景下的學(xué)生信息分類

從大數(shù)據(jù)的視角入手并結(jié)合高校學(xué)生信息數(shù)據(jù)的特點(diǎn)，可以將高校收集的數(shù)據(jù)劃分為兩大類。一類存在于關(guān)系型數(shù)據(jù)庫(kù)中，包括每位學(xué)生的學(xué)號(hào)，姓名，課程成績(jī)等信息，這些信息用統(tǒng)一的數(shù)字類型和符號(hào)類型來(lái)表示，稱為結(jié)構(gòu)化業(yè)務(wù)數(shù)據(jù)；另一類存在于高校各部門辦公室，或者是高校管理人員的電腦中，存在的格式也多種多樣，有文本信息，圖片，音頻，視頻等等，這些信息無(wú)法用統(tǒng)一的數(shù)字類型和符號(hào)類型來(lái)表示，稱為非結(jié)構(gòu)化業(yè)務(wù)數(shù)據(jù)，是高校大數(shù)據(jù)研究的重點(diǎn)。此外，高校中還有一些數(shù)據(jù)是介于這兩者之間，稱為半結(jié)構(gòu)化業(yè)務(wù)數(shù)據(jù)，本文不做重點(diǎn)討論，高校數(shù)據(jù)分類如圖所示：

圖1 高校信息數(shù)據(jù)分類

四、處理非結(jié)構(gòu)化學(xué)生信息的方式

在高校存在的非結(jié)構(gòu)化數(shù)據(jù)中，幾乎是以文本信息的形式存在，管理員迫切需要一個(gè)高效的檢索工具。全文檢索（Full-text Retrieval）技術(shù)是一種面向全文、提供全文的新型檢索技術(shù)。它克服了傳統(tǒng)順序索引在多文獻(xiàn)集和和復(fù)雜查詢查詢條件下檢索效率低的不足。文海撈針是對(duì)全文檢索的形象描述，全面、準(zhǔn)確和快速是衡量全文檢索系統(tǒng)的關(guān)鍵指標(biāo)。

（1）采用B/S模式

B/S模式即瀏覽器/服務(wù)器模式，管理員只需要一個(gè)瀏覽器就可以獲得想到的資料，。B/S模式優(yōu)于C/S（客戶端/服務(wù)器）模式最大的一個(gè)特點(diǎn)是，無(wú)需采用專門定制的客戶端，減少數(shù)據(jù)的中間訪問(wèn)層次，進(jìn)而提高了數(shù)據(jù)的訪問(wèn)速度與效率。

（2）構(gòu)建學(xué)生信息索引

圖2高校索引機(jī)制架構(gòu)圖

從圖中可以看到，構(gòu)建索引的整個(gè)過(guò)程分為三步：將高校學(xué)生信息原始WORD格式、PDF格式、EXCEL格式的業(yè)務(wù)數(shù)據(jù)轉(zhuǎn)換成文本、分析文本、將分析好的文本保存至高校學(xué)生信息索引庫(kù)中這三個(gè)主要操作步驟：

將原始文檔轉(zhuǎn)換成文本

使用Lucene索引高校學(xué)生信息前，對(duì)索引的數(shù)據(jù)進(jìn)行預(yù)處理操作，即從不同格式的業(yè)務(wù)數(shù)據(jù)中提取純文本格式信息，以便識(shí)別該文本并建立對(duì)應(yīng)的文檔。即從非文本文檔中提取文本信息，然后用這些提取出來(lái)的數(shù)據(jù)建立文檔和域[8]。

分析文本

分析文本前，將高校學(xué)生信息進(jìn)行分割成語(yǔ)匯單元串，對(duì)語(yǔ)匯單元串執(zhí)行一些可選操作：如，統(tǒng)一將語(yǔ)匯單元中的英文轉(zhuǎn)換為小寫，方便搜索系統(tǒng)不對(duì)大小寫敏感；去掉語(yǔ)匯中一些頻率很高但是卻沒有實(shí)際意義的詞，比如，的，地等等。

將分析好的文本保存至索引

對(duì)文本分析完成后，要將得到的段寫入高校業(yè)務(wù)數(shù)據(jù)的索引文件庫(kù)中，寫入的時(shí)候要采用倒排索引的數(shù)據(jù)結(jié)構(gòu)進(jìn)行存放。

（3）搜索學(xué)生信息索引

圖3搜索系統(tǒng)模型圖

如上圖所示，搜索子系統(tǒng)的作用是搜索學(xué)生信息索引，即對(duì)高校管理員輸入的各種搜索命令進(jìn)行搜索和響應(yīng)。根據(jù)前期對(duì)西安科技大學(xué)的調(diào)研報(bào)告顯示，本系統(tǒng)主要提供的搜索方式有如下幾種：詞條搜索，范圍搜索，布爾搜索，模糊搜索和短語(yǔ)搜索。詞條搜索是最基本的搜索方式；范圍搜索為高校管理員提供了可供選擇的關(guān)注點(diǎn)，縮小了搜索范圍。通過(guò)選擇時(shí)間段2010年到2012年，查看該時(shí)期內(nèi)的學(xué)工部的文件；布爾搜索也是一種基本的搜索方式，各種復(fù)雜搜索，經(jīng)過(guò)轉(zhuǎn)化可以成為一個(gè)布爾搜索；模糊搜索是對(duì)西安科技大學(xué)高校管理人員需求調(diào)研后特意添加的一種搜索方式，當(dāng)管理員并不是很清楚要搜索的范圍時(shí)，模糊搜索是很好的選擇方式，而且管理員可以在此基礎(chǔ)上再次搜索；短語(yǔ)搜索是在用戶輸入多個(gè)詞條時(shí)一種比較有效的搜索方式。

五、結(jié)語(yǔ)

高校信息管理手段已無(wú)法短時(shí)間內(nèi)在海量信息中找到所需。本文在分析了信息集成管理存在的不足后，給出了大數(shù)據(jù)背景下學(xué)生信息的分類，介紹了大數(shù)據(jù)背景下學(xué)生信息集成管理的方法。

參考文獻(xiàn)：

[1]吳代文，詹海生.西安市數(shù)字方志全文檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)技術(shù)與發(fā)展.2011，10（21）.121-123.

[2]張維剛，徐永東，雷小強(qiáng)等.web全文檢索中間件的設(shè)計(jì)與應(yīng)用[J].計(jì)算機(jī)應(yīng)用.2011，8（31）.2261-2263.

作者簡(jiǎn)介：

朱艷潔（1987-），女，漢，內(nèi)蒙古烏蘭察布人，碩士，助教，研究方向：思想政治教育。