淺談新時期數(shù)據(jù)挖掘的運用

摘要：隨著計算機技術在新時代的發(fā)展，數(shù)據(jù)挖掘運用也越來越多，除了在銀行金融、生物醫(yī)學、電子商務等商業(yè)科研領域。在新時期，數(shù)據(jù)挖掘在公共管理領域也得到了進一步的運用。

關鍵詞：數(shù)據(jù)挖掘;新時期;運用

中圖分類號：G642? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）25-0001-02

1 數(shù)據(jù)挖掘概述

1.1? 數(shù)據(jù)挖掘定義

數(shù)據(jù)挖掘（Data Mining，簡稱DM）是從不完整、大量有噪聲的數(shù)據(jù)中提取出有意義的模式知識的過程[1]，挖掘分析的對象主要有數(shù)據(jù)庫或數(shù)據(jù)倉庫內(nèi)容以及其它多種數(shù)據(jù)源。主要涉及統(tǒng)計學、計算機科學、高性能計算等眾多學科，而分析是一個包含多步驟知識發(fā)現(xiàn)的過程[2]，主要如圖1所示[3]。

1.2數(shù)據(jù)挖掘內(nèi)涵

數(shù)據(jù)挖掘是提取隱藏在數(shù)據(jù)集中的知識和信息，這些知識和信息尚未完全探索，雖然事先未知，但具有許多有用的知識，通過挖掘分析將其表示成最終能被人容易理解知識[4]。它不但能夠從大量隨機、有噪聲、不完全的數(shù)據(jù)中學習已有的知識，而且能夠發(fā)現(xiàn)未知的信息，所得到的知識既能容易理解，又便于應用、存儲，這些知識可以在管理信息、決策支持、預測趨勢、過程控制等許多領域發(fā)揮作用[5]。

2 商業(yè)及科研領域

數(shù)據(jù)挖掘研究具有廣泛的應用領域，主要在金融領域、生物醫(yī)學、電子商務中具有廣泛的運用。

2.1數(shù)據(jù)挖掘在金融領域中的應用

在數(shù)據(jù)挖掘技術發(fā)展的早期，它已經(jīng)應用于金融市場。早期在金融市場的運用主要是分析特定對象的演變或發(fā)展趨勢，進而采取相應預防措施，突出的應用在信用評估和防止欺詐。較早前，Robert Groth等運用Neural network對進行股票走勢預測[6]，輔助客戶制定穩(wěn)健的投資策略。但隨著互聯(lián)網(wǎng)、第三方支付的發(fā)展與沖擊，非銀行金融機構借助網(wǎng)絡對銀行傳統(tǒng)業(yè)務大規(guī)?！靶Q食”，對銀行產(chǎn)生了較大沖擊，網(wǎng)絡信貸開始嶄露頭角，數(shù)據(jù)挖掘也開始在網(wǎng)絡金融借貸方面。陳等[7]以Weka為工具，運用數(shù)據(jù)挖掘?qū)2P網(wǎng)絡金融平臺借貸歷史挖掘分析，使用Weka已有的算法及數(shù)據(jù)模型，參考借出總金額、時間、總次數(shù)指標，以聚類結果為導向，將出款人分為8種類型。以類型判斷出款人的潛在價值，為管理者提供參考導向。而對于傳統(tǒng)銀行業(yè)，也在積極運用數(shù)據(jù)挖掘來提升其在存、貸、匯等傳統(tǒng)業(yè)務的優(yōu)勢地位，進一步鞏固開拓市場。

2.2數(shù)據(jù)挖掘在生物醫(yī)學中的應用

數(shù)據(jù)挖掘在生物醫(yī)學領域也有著廣泛的應用。Vysis 采用Neural network為藥品開發(fā)進行蛋白質(zhì)分析[6]。在之前的研究中，數(shù)據(jù)挖掘主要是分析生物序列，試圖找出某種未知的規(guī)律。隨著深度學習的發(fā)展，數(shù)據(jù)挖掘在生物醫(yī)學上也出現(xiàn)了新的研究應用。可以通過對已有的疾病數(shù)據(jù)運用數(shù)據(jù)挖掘?qū)W習，實現(xiàn)對患者疾病分類，間接對醫(yī)生輔助診斷。張[8]等針對已有疾病數(shù)據(jù)的不均衡、多標記等特點，進行了不均衡、多標記分類研究，提高了相應的分類預測指標。洪等[9]結合目前深度學習在生物醫(yī)學數(shù)據(jù)的最新應用情況，運用循環(huán)神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡等深度學習模型，數(shù)據(jù)預處理、模型構建等方面的解決方法的分析，指出了深度學習在生物醫(yī)學數(shù)據(jù)的發(fā)展前景。

2.3電子商務領域的運用

電子商務領域數(shù)據(jù)挖掘也有著較多的運用。隨著新時期大數(shù)據(jù)的發(fā)展，通過分析交易平臺歷史交易數(shù)據(jù)，可挖掘出購物者在商品類型的偏好，對其實現(xiàn)精準推薦。同時，它可以協(xié)助電商平臺運營，調(diào)整平臺的銷售策略和商品，進一步為消費者提供個性化服務。李等[10]在Spark平臺基礎上，改進了協(xié)同過濾（Item-CF）算法商品推薦系統(tǒng)（此算法基于新物品），并將其應用在公開的MovieLens數(shù)據(jù)集上測試。結果表明，該系統(tǒng)提高了相應的推薦指標并且降低時間復雜度。沈等[11]基于隨機森林，設計了一個關于帖子瀏覽的推薦系統(tǒng)。該系統(tǒng)在數(shù)據(jù)處理、特征選擇和調(diào)整參數(shù)等前期基礎上，將實際問題與分類模型結合，形成新的新的分類模型，對用戶推薦感興趣的帖子，而且還對用戶瀏覽后是否會產(chǎn)生交互行為進行了預測。通過提高推薦精確度等相應技術指標，數(shù)據(jù)挖掘在電商得到進一步深入。

3公共管理領域的運用

數(shù)據(jù)挖掘除了在上述商業(yè)科研領域發(fā)揮著作用外，也開始在電子政務領域、政府決策領域、數(shù)字經(jīng)濟等公共管理領域開始發(fā)揮著重要作用。

3.1 電子政務領域

電子政務的核心建立在是以互聯(lián)網(wǎng)為基礎的將政府管理和服務，建設以群眾滿意為導向的政府服務體系[12]。雖然政府部門多年來積累了大量豐富的數(shù)據(jù)，但是數(shù)據(jù)利用的頻率和效率都很低，而數(shù)據(jù)挖掘可以解決這個問題。利用數(shù)據(jù)挖掘分析，“挖掘”和“提煉”政府部門的數(shù)據(jù)，使政府能夠有效地安排和指導政府服務。通過數(shù)據(jù)挖掘分析群眾在辦事過程中遇到的難點、賭點，有針對性地推出相應的政策，制定便民的服務流程、制度，讓“沉睡”的數(shù)據(jù)發(fā)揮更大的作用。讓政務服務更具有針對性、滿足更加個性化需求，這就是新時期電子政務的發(fā)展方向[13]。

3.2 政府決策領域

政府決策是公共管理中非常重要的組成部分，要充分滿足群眾在社會各項公共服務需求，體現(xiàn)人性化色彩，必須全面地了解社會公共服務的各方面數(shù)據(jù)，深入地進行分析、匯總從而制定相應的決策。然而，社會服務涉及廣泛的數(shù)據(jù)，并且相應的數(shù)據(jù)量很大。通過數(shù)據(jù)挖掘分析處理這些已有的社會服務數(shù)據(jù)，從中挖掘出決策者想要的信息，有利于決策者更加科學、合理、有針對性的決策。利用基于數(shù)據(jù)挖掘的決策咨詢系統(tǒng)，使政府能夠更加有效掌握經(jīng)濟和社會運行的具體情況，使決策更加科學。

孫等[14]采用5層架構，通過全面的數(shù)據(jù)采集、建立決策數(shù)據(jù)倉庫、采用適合數(shù)據(jù)挖掘算法，并根據(jù)用戶需要對數(shù)據(jù)進行主題分類，在結果上采用直觀的、可視化和支持查詢的顯示呈現(xiàn)。給用戶提供了更加方便、更加具有針對性的決策體驗。楊等[15]以數(shù)據(jù)倉庫為基礎，運用聯(lián)機分析處理（OLAP）和數(shù)據(jù)挖掘，建設了政府經(jīng)濟決策系統(tǒng)，實現(xiàn)了對政府經(jīng)濟決策實現(xiàn)了有效的支持。

3.3數(shù)據(jù)挖掘在數(shù)字經(jīng)濟中的應用

數(shù)字經(jīng)濟是以數(shù)字資源為基礎，數(shù)字技術和信息技術是其重要的驅(qū)動力，通過信息網(wǎng)絡的連接形成了生產(chǎn)和消費等經(jīng)濟活動的總和。當前，隨著新技術的發(fā)展，通過智能手機不僅可以完成看病掛號、繳付水電費等一般事務，而且還可以參與舉報違法、糾正不實消息，報告重大險情、交通事故等，數(shù)字經(jīng)濟越來越多地用于民生領域。數(shù)據(jù)挖掘是數(shù)字經(jīng)濟智能化“引擎”，為數(shù)字經(jīng)濟的下一步發(fā)展提供了重要支持。

4結語

數(shù)據(jù)挖掘計算機領域中熱門的研究領域之一，同時也是一個隨著時代發(fā)展而不斷發(fā)展的學科，在未來的領域中，會有著更加廣泛的運用。本文主要從應用方面總結和闡述了當前數(shù)據(jù)挖掘運用的主要方向。在新時期，隨著大數(shù)據(jù)等技術發(fā)展，數(shù)據(jù)挖掘的運用領域也會越來越廣。

參考文獻：

[1]王光宏， 蔣平. 數(shù)據(jù)挖掘綜述[J]. 同濟大學學報， 2004， 32（2）： 246-252.

[2]葉磊， 駱興國， 李建喜. 數(shù)據(jù)挖掘的應用和發(fā)展趨勢葉磊[J]. 電腦知識與技術， 2006（32）： 26-27.

[3]Han J， Kamber M. Data Mining ： Concepts and Technique[M]. 2005.

[4]Zaki M J， Yu J X， Ravindran B， et al. Advances in Knowledge Discovery and Data Mining[J]， 2013， 5476（4）： xviii.

[5]劉力揚. 數(shù)據(jù)挖掘與數(shù)據(jù)庫知識發(fā)現(xiàn)[J]. 河南廣播電視大學學報， 2000（3）： 42-43.

[6]滕廣青， 毛英爽. 國外數(shù)據(jù)挖掘應用研究與發(fā)展分析[J]. 統(tǒng)計研究， 2005， 22（12）： 68-70.

[7]陳雪改， 王飛. 基于P2P互聯(lián)網(wǎng)金融的數(shù)據(jù)挖掘技術研究[J]. 重慶理工大學學報， 2017， 31（7）： 151-155.

[8]潘主強， 張林， 顏仕星， et al. 中醫(yī)臨床數(shù)據(jù)疾病分類機器學習方法研究[J]. 計算機工程與應用， 2017， 53（13）： 146-154.

[9]洪浩， 伯曉晨， 醫(yī)學信息學雜志 李 J. 深度學習在生物醫(yī)學數(shù)據(jù)中的應用[J]， 2018， 39（3）： 2-9.

[10]李星， 李濤. 基于Spark的推薦系統(tǒng)的設計與實現(xiàn)[J]. 計算機技術與發(fā)展， 2018， 28（10）： 201-205.

[11]沈晶磊， 虞慧群， 范貴生， et al. 基于隨機森林算法的推薦系統(tǒng)的設計與實現(xiàn)[J]. 計算機科學， 2017， 44（11）： 164-167.

[12]劉典文. 數(shù)據(jù)挖掘技術在公共管理領域的應用[J]. 行政論壇， 2010， 17（2）： 42-46.

[13]周民， 賈一葦. 推進“互聯(lián)網(wǎng)+政務服務”，創(chuàng)新政府服務與管理模式[J]. 電子政務， 2016（6）： 73-79.

[14]孫道遠. 基于數(shù)據(jù)挖掘技術的政府決策咨詢系統(tǒng)的研究與設計[J]. 長春工程學院學報， 2017， 18（4）.

[15]楊越. 數(shù)據(jù)挖掘在政府部門決策管理系統(tǒng)中的數(shù)據(jù)與應用[D]. 解放軍信息工程大學， 2012.

【通聯(lián)編輯：王力】