導(dǎo)語(yǔ)：如何才能寫好一篇挖掘技術(shù)論文，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

[關(guān)鍵詞]數(shù)據(jù)挖掘數(shù)據(jù)挖掘方法

隨著信息技術(shù)迅速發(fā)展，數(shù)據(jù)庫(kù)的規(guī)模不斷擴(kuò)大，產(chǎn)生了大量的數(shù)據(jù)。但大量的數(shù)據(jù)往往無(wú)法辨別隱藏在其中的能對(duì)決策提供支持的信息，而傳統(tǒng)的查詢、報(bào)表工具無(wú)法滿足挖掘這些信息的需求。因此，需要一種新的數(shù)據(jù)分析技術(shù)處理大量數(shù)據(jù)，并從中抽取有價(jià)值的潛在知識(shí)，數(shù)據(jù)挖掘（DataMining）技術(shù)由此應(yīng)運(yùn)而生。

一、數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘是指從數(shù)據(jù)集合中自動(dòng)抽取隱藏在數(shù)據(jù)中的那些有用信息的非平凡過(guò)程，這些信息的表現(xiàn)形式為：規(guī)則、概念、規(guī)律及模式等。它可幫助決策者分析歷史數(shù)據(jù)及當(dāng)前數(shù)據(jù)，并從中發(fā)現(xiàn)隱藏的關(guān)系和模式，進(jìn)而預(yù)測(cè)未來(lái)可能發(fā)生的行為。數(shù)據(jù)挖掘的過(guò)程也叫知識(shí)發(fā)現(xiàn)的過(guò)程。

二、數(shù)據(jù)挖掘的方法

1.統(tǒng)計(jì)方法。傳統(tǒng)的統(tǒng)計(jì)學(xué)為數(shù)據(jù)挖掘提供了許多判別和回歸分析方法，常用的有貝葉斯推理、回歸分析、方差分析等技術(shù)。貝葉斯推理是在知道新的信息后修正數(shù)據(jù)集概率分布的基本工具，處理數(shù)據(jù)挖掘中的分類問題，回歸分析用來(lái)找到一個(gè)輸入變量和輸出變量關(guān)系的最佳模型，在回歸分析中有用來(lái)描述一個(gè)變量的變化趨勢(shì)和別的變量值的關(guān)系的線性回歸，還有用來(lái)為某些事件發(fā)生的概率建模為預(yù)測(cè)變量集的對(duì)數(shù)回歸、統(tǒng)計(jì)方法中的方差分析一般用于分析估計(jì)回歸直線的性能和自變量對(duì)最終回歸的影響，是許多挖掘應(yīng)用中有力的工具之一。

2.關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則是一種簡(jiǎn)單，實(shí)用的分析規(guī)則，它描述了一個(gè)事物中某些屬性同時(shí)出現(xiàn)的規(guī)律和模式，是數(shù)據(jù)挖掘中最成熟的主要技術(shù)之一。關(guān)聯(lián)規(guī)則在數(shù)據(jù)挖掘領(lǐng)域應(yīng)用很廣泛適合于在大型數(shù)據(jù)集中發(fā)現(xiàn)數(shù)據(jù)之間的有意義關(guān)系，原因之一是它不受只選擇一個(gè)因變量的限制。大多數(shù)關(guān)聯(lián)規(guī)則挖掘算法能夠無(wú)遺漏發(fā)現(xiàn)隱藏在所挖掘數(shù)據(jù)中的所有關(guān)聯(lián)關(guān)系，但是，并不是所有通過(guò)關(guān)聯(lián)得到的屬性之間的關(guān)系都有實(shí)際應(yīng)用價(jià)值，要對(duì)這些規(guī)則要進(jìn)行有效的評(píng)價(jià)，篩選有意義的關(guān)聯(lián)規(guī)則。

3.聚類分析。聚類分析是根據(jù)所選樣本間關(guān)聯(lián)的標(biāo)準(zhǔn)將其劃分成幾個(gè)組，同組內(nèi)的樣本具有較高的相似度，不同組的則相異，常用的技術(shù)有分裂算法，凝聚算法，劃分聚類和增量聚類。聚類方法適合于探討樣本間的內(nèi)部關(guān)系，從而對(duì)樣本結(jié)構(gòu)做出合理的評(píng)價(jià)，此外，聚類分析還用于對(duì)孤立點(diǎn)的檢測(cè)。并非由聚類分析算法得到的類對(duì)決策都有效，在運(yùn)用某一個(gè)算法之前，一般要先對(duì)數(shù)據(jù)的聚類趨勢(shì)進(jìn)行檢驗(yàn)。

4.決策樹方法。決策樹學(xué)習(xí)是一種通過(guò)逼近離散值目標(biāo)函數(shù)的方法，通過(guò)把實(shí)例從根結(jié)點(diǎn)排列到某個(gè)葉子結(jié)點(diǎn)來(lái)分類實(shí)例，葉子結(jié)點(diǎn)即為實(shí)例所屬的分類。樹上的每個(gè)結(jié)點(diǎn)說(shuō)明了對(duì)實(shí)例的某個(gè)屬性的測(cè)試，該結(jié)點(diǎn)的每一個(gè)后繼分支對(duì)應(yīng)于該屬性的一個(gè)可能值，分類實(shí)例的方法是從這棵樹的根結(jié)點(diǎn)開始，測(cè)試這個(gè)結(jié)點(diǎn)指定的屬性，然后按照給定實(shí)例的該屬性值對(duì)應(yīng)的樹枝向下移動(dòng)。決策樹方法是要應(yīng)用于數(shù)據(jù)挖掘的分類方面。

5.神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)建立在自學(xué)習(xí)的數(shù)學(xué)模型基礎(chǔ)之上，能夠?qū)Υ罅繌?fù)雜的數(shù)據(jù)進(jìn)行分析，并可以完成對(duì)人腦或其他計(jì)算機(jī)來(lái)說(shuō)極為復(fù)雜的模式抽取及趨勢(shì)分析，神經(jīng)網(wǎng)絡(luò)既可以表現(xiàn)為有指導(dǎo)的學(xué)習(xí)也可以是無(wú)指導(dǎo)聚類，無(wú)論哪種，輸入到神經(jīng)網(wǎng)絡(luò)中的值都是數(shù)值型的。人工神經(jīng)元網(wǎng)絡(luò)模擬人腦神經(jīng)元結(jié)構(gòu)，建立三大類多種神經(jīng)元網(wǎng)絡(luò)，具有非線形映射特性、信息的分布存儲(chǔ)、并行處理和全局集體的作用、高度的自學(xué)習(xí)、自組織和自適應(yīng)能力的種種優(yōu)點(diǎn)。

6.遺傳算法。遺傳算法是一種受生物進(jìn)化啟發(fā)的學(xué)習(xí)方法，通過(guò)變異和重組當(dāng)前己知的最好假設(shè)來(lái)生成后續(xù)的假設(shè)。每一步，通過(guò)使用目前適應(yīng)性最高的假設(shè)的后代替代群體的某個(gè)部分，來(lái)更新當(dāng)前群體的一組假設(shè)，來(lái)實(shí)現(xiàn)各個(gè)個(gè)體的適應(yīng)性的提高。遺傳算法由三個(gè)基本過(guò)程組成:繁殖(選擇)是從一個(gè)舊種群(父代)選出生命力強(qiáng)的個(gè)體，產(chǎn)生新種群(后代)的過(guò)程；交叉〔重組)選擇兩個(gè)不同個(gè)體〔染色體)的部分(基因)進(jìn)行交換，形成新個(gè)體的過(guò)程；變異(突變)是對(duì)某些個(gè)體的某些基因進(jìn)行變異的過(guò)程。在數(shù)據(jù)挖掘中，可以被用作評(píng)估其他算法的適合度。

7.粗糙集。粗糙集能夠在缺少關(guān)于數(shù)據(jù)先驗(yàn)知識(shí)的情況下，只以考察數(shù)據(jù)的分類能力為基礎(chǔ)，解決模糊或不確定數(shù)據(jù)的分析和處理問題。粗糙集用于從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)分類規(guī)則的基本思想是將數(shù)據(jù)庫(kù)中的屬性分為條件屬性和結(jié)論屬性，對(duì)數(shù)據(jù)庫(kù)中的元組根據(jù)各個(gè)屬性不同的屬性值分成相應(yīng)的子集，然后對(duì)條件屬性劃分的子集與結(jié)論屬性劃分的子集之間上下近似關(guān)系生成判定規(guī)則。所有相似對(duì)象的集合稱為初等集合，形成知識(shí)的基本成分。任何初等集合的并集稱為精確集，否則，一個(gè)集合就是粗糙的(不精確的)。每個(gè)粗糙集都具有邊界元素，也就是那些既不能確定為集合元素，也不能確定為集合補(bǔ)集元素的元素。粗糙集理論可以應(yīng)用于數(shù)據(jù)挖掘中的分類、發(fā)現(xiàn)不準(zhǔn)確數(shù)據(jù)或噪聲數(shù)據(jù)內(nèi)在的結(jié)構(gòu)聯(lián)系。

8.支持向量機(jī)。支持向量機(jī)(SVM)是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展出來(lái)的一種新的機(jī)器學(xué)習(xí)方法。它基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則上的，盡量提高學(xué)習(xí)機(jī)的泛化能力，具有良好的推廣性能和較好的分類精確性，能有效的解決過(guò)學(xué)習(xí)問題，現(xiàn)已成為訓(xùn)練多層感知器、RBF神經(jīng)網(wǎng)絡(luò)和多項(xiàng)式神經(jīng)元網(wǎng)絡(luò)的替代性方法。另外，支持向量機(jī)算法是一個(gè)凸優(yōu)化問題，局部最優(yōu)解一定是全局最優(yōu)解，這些特點(diǎn)都是包括神經(jīng)元網(wǎng)絡(luò)在內(nèi)的其他算法所不能及的。支持向量機(jī)可以應(yīng)用于數(shù)據(jù)挖掘的分類、回歸、對(duì)未知事物的探索等方面。

事實(shí)上，任何一種挖掘工具往往是根據(jù)具體問題來(lái)選擇合適挖掘方法，很難說(shuō)哪種方法好，那種方法劣，而是視具體問題而定。

三、結(jié)束語(yǔ)

目前，數(shù)據(jù)挖掘技術(shù)雖然得到了一定程度的應(yīng)用，并取得了顯著成效，但仍存在著許多尚未解決的問題。隨著人們對(duì)數(shù)據(jù)挖掘技術(shù)的深人研究，數(shù)據(jù)挖掘技術(shù)必將在更加廣泛的領(lǐng)域得到應(yīng)用，并取得更加顯著的效果。

篇2

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

當(dāng)今，國(guó)內(nèi)外電子商務(wù)類網(wǎng)站日益興起。許多電子商務(wù)類網(wǎng)站都提供了一定程度的個(gè)性化服務(wù)，比如提供商品推薦服務(wù)。而構(gòu)成這些個(gè)性化服務(wù)的基礎(chǔ)就是數(shù)據(jù)挖掘技術(shù)。

一、數(shù)據(jù)挖掘分析

1.數(shù)據(jù)挖掘的定義。數(shù)據(jù)挖掘(datamining，DM)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。包括存儲(chǔ)和處理數(shù)據(jù),選擇處理大數(shù)據(jù)集的算法、解釋結(jié)果、使結(jié)果可視化。

2.數(shù)據(jù)挖掘的方法。從商業(yè)的角度來(lái)看,數(shù)據(jù)挖掘是一種新的商業(yè)信息處理技術(shù),其主要特點(diǎn)是對(duì)商業(yè)數(shù)據(jù)庫(kù)中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理,從中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù)。數(shù)據(jù)挖掘的方法大致可以分成4類：關(guān)聯(lián)分析、概括分析、分類分析、聚類分析。（1）關(guān)聯(lián)分析：分析表面上不相關(guān)數(shù)據(jù)之間的內(nèi)在聯(lián)系，揭示各事之間的依賴性和相關(guān)性，分析范圍包括簡(jiǎn)單關(guān)聯(lián)、因果關(guān)聯(lián)等。在電子商務(wù)中，用數(shù)據(jù)挖掘找到隱藏的關(guān)聯(lián)規(guī)則，當(dāng)客戶瀏覽、搜索關(guān)聯(lián)規(guī)則中的某種商品時(shí)，就可以在頁(yè)面中以推薦商品的形式顯示關(guān)聯(lián)規(guī)則中的其它商品。在進(jìn)貨計(jì)劃和促銷計(jì)劃中，也可以將這個(gè)因素考慮進(jìn)去。（2）概括分析：即提取數(shù)據(jù)庫(kù)中指定的數(shù)據(jù)集合的一般特性，找出遍性規(guī)律。（3）分類分析：設(shè)置分類規(guī)則，把各個(gè)事務(wù)或?qū)嶓w按照性質(zhì)和特征不同進(jìn)行歸類，把數(shù)據(jù)層次化和規(guī)整化，從而建立數(shù)據(jù)的分類模型。（4）聚類分析：通過(guò)分析和歸納實(shí)體之間的特征差異，選出具相識(shí)特征的實(shí)體聚合成為一個(gè)類，并用某種規(guī)則來(lái)描述該類的相同屬性，形成一種聚類規(guī)則，實(shí)際上，它是與分類分析法互逆的過(guò)程。

3.數(shù)據(jù)挖掘的過(guò)程。該過(guò)程從大型數(shù)據(jù)庫(kù)中挖掘先前未知的、有效的、可實(shí)用的信息，并使用這些信息做出決策或豐富知識(shí)。（1）確定業(yè)務(wù)對(duì)象：清晰地定義出業(yè)務(wù)問題，認(rèn)清數(shù)據(jù)挖掘的目的是數(shù)據(jù)挖掘的重要一步。挖掘的最后結(jié)構(gòu)是不可預(yù)測(cè)的，但要探索的問題應(yīng)是有預(yù)見的，為了數(shù)據(jù)挖掘而數(shù)據(jù)挖掘則帶有盲目性，是不會(huì)成功的。（2）數(shù)據(jù)準(zhǔn)備。數(shù)據(jù)的選擇：搜索所有與業(yè)務(wù)對(duì)象有關(guān)的內(nèi)部和外部數(shù)據(jù)信息，并從中選擇出適用于數(shù)據(jù)挖掘應(yīng)用的數(shù)據(jù)。（3）數(shù)據(jù)挖掘：對(duì)所得到的經(jīng)過(guò)轉(zhuǎn)換的數(shù)據(jù)進(jìn)行挖掘。除了完善從選擇合適的挖掘算法外，其余一切工作都能自動(dòng)地完成。（4）結(jié)果分析：解釋并評(píng)估結(jié)果。其使用的分析方法一般應(yīng)作數(shù)據(jù)挖掘操作而定，通常會(huì)用到可視化技術(shù)。（5）知識(shí)的同化：將分析所得到的知識(shí)集成到業(yè)務(wù)信息系統(tǒng)的組織結(jié)構(gòu)中去。

二、數(shù)據(jù)挖掘與電子商務(wù)的關(guān)系

在電子商務(wù)企業(yè)中，數(shù)據(jù)挖掘運(yùn)用于客戶行為分析，企業(yè)從中受益體現(xiàn)在以下四個(gè)方面:(1)可以發(fā)現(xiàn)客戶和訪問者的愛好、生活模式。(2)可以爭(zhēng)取新顧客，怎樣使產(chǎn)品適銷對(duì)路、怎樣給產(chǎn)品定價(jià)、怎樣吸引單個(gè)客戶、怎樣優(yōu)化Web網(wǎng)站。(3)可以用相應(yīng)的信息確定顧客的消費(fèi)周期，針對(duì)不同的產(chǎn)品制定相應(yīng)的營(yíng)銷策略。(4)可以確定客戶細(xì)分，為每一個(gè)客戶的獨(dú)特需求設(shè)計(jì)“量身定制”的產(chǎn)品。三、數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用

1.面向電子商務(wù)的數(shù)據(jù)挖掘系統(tǒng)設(shè)計(jì)。本系統(tǒng)電子商務(wù)平臺(tái)采用基于三層體系結(jié)構(gòu)構(gòu)建，服務(wù)器端采用先進(jìn)的J2EE平臺(tái)構(gòu)架，有完整的體系框架組成，具有很好的可擴(kuò)展性、互聯(lián)性和可維護(hù)性。因此面向電子商務(wù)的數(shù)據(jù)挖掘系統(tǒng)由數(shù)據(jù)庫(kù)服務(wù)器、應(yīng)用服務(wù)器和客戶端三層組成，整個(gè)體系結(jié)構(gòu)是以J2EE企業(yè)級(jí)的構(gòu)建技術(shù)為基礎(chǔ)。對(duì)數(shù)據(jù)挖掘過(guò)程中產(chǎn)生的數(shù)據(jù)，采用獨(dú)立的數(shù)據(jù)挖掘庫(kù)表存放，這樣既不影響也不依賴數(shù)據(jù)挖掘的數(shù)據(jù)源。應(yīng)用服務(wù)器完成所有的數(shù)據(jù)挖掘運(yùn)算，通過(guò)接受客戶端的設(shè)置，完成所有對(duì)數(shù)據(jù)進(jìn)行探索、轉(zhuǎn)換、挖掘的工作。數(shù)據(jù)挖掘系統(tǒng)的每個(gè)功能模塊都以EJB的形式進(jìn)行封裝，以實(shí)現(xiàn)分布式計(jì)算和負(fù)載平衡等分布式計(jì)算的要求，把具有繁重計(jì)算任務(wù)的模塊和用戶交互模塊分開。客戶端要負(fù)責(zé)數(shù)據(jù)挖掘流程的創(chuàng)建工作、所有功能模塊參數(shù)的設(shè)定以及各種可視化結(jié)果的顯示。用戶可以根據(jù)自己的要求任意創(chuàng)建各種形式的挖掘流程，同時(shí)按照需要執(zhí)行某部分流程，獲取相應(yīng)的可視化分析結(jié)果，其系統(tǒng)體系結(jié)構(gòu)如圖所示。

面向電子商務(wù)的數(shù)據(jù)挖掘系統(tǒng)體系結(jié)構(gòu)圖

2.面向電子商務(wù)的數(shù)據(jù)挖掘系統(tǒng)功能設(shè)計(jì)。面向電子商務(wù)的數(shù)據(jù)挖掘系統(tǒng)主要以下幾大功能模塊：（1）用戶信息分析。運(yùn)用分類和聚類挖掘方法對(duì)用戶的信息分析，可以得到用戶的些特征。對(duì)用戶分類相當(dāng)于對(duì)具有某些公共屬性的用戶群體建立了概要特征描述，這些特征可以用來(lái)對(duì)新增的用戶進(jìn)行分類，可以發(fā)現(xiàn)未來(lái)的潛在用戶并開展有針對(duì)性的商務(wù)活動(dòng)，如自動(dòng)給一類特定的用戶發(fā)送銷售郵件，當(dāng)屬于同一類的用戶再次訪問站點(diǎn)時(shí)為其動(dòng)態(tài)地改變站點(diǎn)的內(nèi)容等。通過(guò)這些舉措使商務(wù)活動(dòng)能夠在一定程度上滿足用戶的要求，實(shí)現(xiàn)目標(biāo)營(yíng)銷。（2）商品信息分析。運(yùn)用關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)商品訪問中所有關(guān)聯(lián)和相聯(lián)系的規(guī)則，可以從交易事務(wù)數(shù)據(jù)庫(kù)中發(fā)現(xiàn)商品間的相互聯(lián)系。這對(duì)電子商務(wù)公司組織站點(diǎn)網(wǎng)頁(yè)結(jié)構(gòu)、開展有效的營(yíng)銷策略非常有幫助。（3）物流信息分析。采用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)技術(shù),根據(jù)各物流配送點(diǎn)接到的網(wǎng)站用戶訂單來(lái)預(yù)測(cè)其庫(kù)存數(shù)量。預(yù)測(cè)信息可以給物流配送中心以參考，用來(lái)合理地確定各配送點(diǎn)倉(cāng)庫(kù)的庫(kù)存量，使各配送點(diǎn)的補(bǔ)貨能更加合理有序，降低物流成本，節(jié)約庫(kù)存費(fèi)用。

四、結(jié)束語(yǔ)

數(shù)據(jù)挖掘是一個(gè)新興的領(lǐng)域,具有廣闊應(yīng)用前景，目前，電子商務(wù)在我國(guó)正處于快速發(fā)展和應(yīng)用階段，利用數(shù)據(jù)挖掘技術(shù)，能夠強(qiáng)化對(duì)客戶的服務(wù)、促進(jìn)市場(chǎng)最優(yōu)化、加速資金周轉(zhuǎn)、實(shí)現(xiàn)企業(yè)的創(chuàng)新發(fā)展。電子商務(wù)平臺(tái)上的數(shù)據(jù)挖掘技術(shù)有待人們?nèi)ミM(jìn)行更深入的研究工作，這將不斷的推動(dòng)數(shù)據(jù)挖掘技術(shù)的深入發(fā)展和廣泛應(yīng)用，創(chuàng)造出更多的社會(huì)和經(jīng)濟(jì)價(jià)值。

參考文獻(xiàn)：

[1]張?jiān)茲忊?數(shù)據(jù)挖掘原理與技術(shù).北京,電子工業(yè)出版社,2004年1月

[2]方真等:電子商務(wù)教程[M].北京:清華大學(xué)出版社.2004

篇3

1.1云計(jì)算

云計(jì)算是并行計(jì)算和分布計(jì)算以及網(wǎng)格計(jì)算的發(fā)展，是一種在海量數(shù)據(jù)大規(guī)模的集合中能動(dòng)態(tài)處理各種服務(wù)器數(shù)據(jù)資源的一類計(jì)算平臺(tái)，在電子商務(wù)、商業(yè)金融、科研開發(fā)等領(lǐng)域能得到廣泛的應(yīng)用。它具有大規(guī)模、虛擬化、高效率、通用性、廉價(jià)等特點(diǎn)，能針對(duì)不同的用戶的不同需求，動(dòng)態(tài)透明地提供其所需的虛擬化計(jì)算和資源儲(chǔ)存，并能及時(shí)動(dòng)態(tài)回收當(dāng)前用戶暫不利用的數(shù)據(jù)資源以提供給其他用戶，而其廉價(jià)、通用的特點(diǎn)，使得一般用戶實(shí)現(xiàn)大規(guī)模的數(shù)據(jù)操作成為可能。目前來(lái)說(shuō)，云計(jì)算的平臺(tái)已得到良好的發(fā)展，日益成熟，基于云計(jì)算的應(yīng)用已經(jīng)可以相當(dāng)方便的部署和操作其數(shù)據(jù)資源。

1.2數(shù)據(jù)挖掘

數(shù)據(jù)挖掘技術(shù)是現(xiàn)代知識(shí)發(fā)現(xiàn)領(lǐng)域的一個(gè)重要技術(shù)，它是指一個(gè)從隨機(jī)的大量而不完整的模糊的實(shí)際數(shù)據(jù)中提取其中某些隱含著的具有潛在價(jià)值的實(shí)用知識(shí)與信息的過(guò)程。其具體技術(shù)有特征化、聚類、關(guān)聯(lián)和預(yù)測(cè)分析等等，涉及到的高級(jí)技術(shù)領(lǐng)域有統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、模式識(shí)別、人工智能等方面。

2基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)構(gòu)架

網(wǎng)絡(luò)云的發(fā)展給數(shù)據(jù)挖掘提出了新的問題和時(shí)代的挑戰(zhàn)，同時(shí)，也為數(shù)據(jù)挖掘提供了新的計(jì)算平臺(tái)和發(fā)展機(jī)遇?；谠朴?jì)算的數(shù)據(jù)挖掘系統(tǒng)平臺(tái)的發(fā)現(xiàn)，解決了傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)出現(xiàn)的時(shí)代滯慢、效率較低、功能落后、成本高昂等問題。云計(jì)算是一種商業(yè)計(jì)算模式，是網(wǎng)格計(jì)算與并行計(jì)算及分布式計(jì)算在一定程度上的商業(yè)實(shí)現(xiàn)，其動(dòng)態(tài)、可伸縮的計(jì)算基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)架構(gòu)及其關(guān)鍵技術(shù)探討文/張瑤劉輝云計(jì)算是一種在互聯(lián)網(wǎng)時(shí)代中應(yīng)運(yùn)而生的新興的網(wǎng)絡(luò)技術(shù)，具有高效率、高容量、動(dòng)態(tài)處理的特點(diǎn)，在社會(huì)的商業(yè)領(lǐng)域和科研領(lǐng)域表現(xiàn)出了其相當(dāng)高的應(yīng)用價(jià)值。將云計(jì)算應(yīng)用于數(shù)據(jù)挖掘平臺(tái)的構(gòu)架之中后，將能在很大程度上為現(xiàn)代社會(huì)中越來(lái)越海量的數(shù)據(jù)挖掘提供一個(gè)高效率的技術(shù)平臺(tái)。本文將結(jié)合云計(jì)算和數(shù)據(jù)挖掘的基本概念和現(xiàn)代意義，對(duì)數(shù)據(jù)挖掘的平臺(tái)構(gòu)架和相應(yīng)的關(guān)鍵技術(shù)做出簡(jiǎn)要的分析探討。摘要能力使得進(jìn)行高效的海量數(shù)據(jù)挖掘的目標(biāo)不再遙遠(yuǎn)。同時(shí)，云計(jì)算SaaS功能日益被理解和標(biāo)準(zhǔn)化，使得基于云計(jì)算SaaS化的數(shù)據(jù)挖掘有了理論和技術(shù)的指導(dǎo)，并具有了企業(yè)化與大眾化的發(fā)展趨勢(shì)。

2.1數(shù)據(jù)挖掘平臺(tái)構(gòu)架

建立在關(guān)系型數(shù)據(jù)庫(kù)之上的傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)構(gòu)架在現(xiàn)時(shí)代數(shù)據(jù)急劇膨脹和分析需求漸增的發(fā)展下已經(jīng)難以應(yīng)付社會(huì)的數(shù)據(jù)處理問題。而云計(jì)算的分布式存儲(chǔ)與計(jì)算形式則接受了當(dāng)代的數(shù)據(jù)挖掘難題，促成了適應(yīng)時(shí)代的云計(jì)算數(shù)據(jù)挖掘平臺(tái)構(gòu)架的形成。其包含了面向組件的設(shè)計(jì)理念和分層設(shè)計(jì)的思想方法。其構(gòu)架自下向上總共分為3層，分別為底層的云計(jì)算支撐平臺(tái)層、中間的數(shù)據(jù)挖掘能力層和上層的數(shù)據(jù)挖掘云服務(wù)層。

2.2基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)構(gòu)架各層意義

云計(jì)算支撐平臺(tái)層：顧名思義，該平臺(tái)層是云計(jì)算數(shù)據(jù)挖掘平臺(tái)的基礎(chǔ)處理平臺(tái)，其主要具有的功能是對(duì)分布式文件存儲(chǔ)與數(shù)據(jù)庫(kù)提供資源存儲(chǔ)，以及實(shí)行對(duì)數(shù)據(jù)的有關(guān)處理和計(jì)算功能。數(shù)據(jù)挖掘能力層：該平臺(tái)結(jié)構(gòu)層主要是提供挖掘的基礎(chǔ)能力，是數(shù)據(jù)挖掘的核心支撐平臺(tái)，并對(duì)數(shù)據(jù)挖掘云服務(wù)層提供能力支撐。該平臺(tái)層包含了算法數(shù)據(jù)并行處理、調(diào)度引起和服務(wù)管理的框架，該平臺(tái)層可以提供系統(tǒng)內(nèi)部的數(shù)據(jù)挖掘處理和推薦算法庫(kù)，亦支持第三方的數(shù)據(jù)挖掘算法工具的進(jìn)入。數(shù)據(jù)挖掘云服務(wù)層：數(shù)據(jù)挖掘云服務(wù)層的主要功能是對(duì)外提供數(shù)據(jù)挖掘操作的云服務(wù)，同時(shí)也能提供基于結(jié)構(gòu)化查詢的語(yǔ)言語(yǔ)句訪問，提供相關(guān)的解析引擎，以便于自動(dòng)調(diào)用云服務(wù)。對(duì)外數(shù)據(jù)挖掘云服務(wù)能力封裝的接口形式多樣，包含了基于簡(jiǎn)單對(duì)象訪問協(xié)議下的Webservice、XML、HTTP以及本地應(yīng)用程序的編程接口等多種形式。另外，在必要的時(shí)候，云服務(wù)層的各個(gè)業(yè)務(wù)系統(tǒng)可以進(jìn)行數(shù)據(jù)挖掘云服務(wù)的調(diào)用和組裝。

3基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)構(gòu)架的關(guān)鍵技術(shù)探討

基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)構(gòu)架的形成，離不開現(xiàn)代先進(jìn)的科技技術(shù)，其中幾項(xiàng)關(guān)鍵的技術(shù)應(yīng)用將在這里進(jìn)行簡(jiǎn)要的闡述：

3.1云計(jì)算技術(shù)

3.1.1分布式儲(chǔ)存技術(shù)

通過(guò)采用分布式存儲(chǔ)的方式來(lái)存儲(chǔ)數(shù)據(jù)，是云計(jì)算技術(shù)保證數(shù)據(jù)處理高可靠性和經(jīng)濟(jì)性的重要保證。用可靠的軟件來(lái)彌補(bǔ)硬件的不足，是分布式存儲(chǔ)技術(shù)提供廉價(jià)而又海量的數(shù)據(jù)挖掘支持的重要途徑。

3.1.2虛擬化技術(shù)

在云計(jì)算的環(huán)境下，數(shù)據(jù)挖掘能實(shí)現(xiàn)對(duì)大量的可用的虛擬化技術(shù)的應(yīng)用、整合，發(fā)展出一套全面虛擬化的運(yùn)行戰(zhàn)略。云計(jì)算和虛擬化的共同組合，使數(shù)據(jù)挖掘?qū)崿F(xiàn)了跨系統(tǒng)下的資源調(diào)度，將海量的來(lái)源數(shù)據(jù)進(jìn)行IT資源匯合，動(dòng)態(tài)地實(shí)現(xiàn)對(duì)用戶的虛擬化資源的供給，從而以高效率、海量動(dòng)態(tài)的特點(diǎn)完成服務(wù)任務(wù)。

3.1.3并行云計(jì)算技術(shù)

并行云計(jì)算技術(shù)是一種對(duì)于高效執(zhí)行數(shù)據(jù)挖掘計(jì)算任務(wù)極其重要的技術(shù)，并且它對(duì)云計(jì)算的某些技術(shù)細(xì)節(jié)做出了封裝，例如任務(wù)并行、任務(wù)調(diào)度、任務(wù)容錯(cuò)和系統(tǒng)容錯(cuò)以及數(shù)據(jù)分布等。該功能代替了用戶對(duì)這些細(xì)節(jié)的考慮，使得研發(fā)效率得到了提高。

3.2數(shù)據(jù)匯集調(diào)度中心

數(shù)據(jù)匯集調(diào)度中心的功能主要是完成對(duì)不同類型的數(shù)據(jù)進(jìn)行匯集。它實(shí)現(xiàn)了對(duì)接入該云計(jì)算數(shù)據(jù)挖掘平臺(tái)的業(yè)務(wù)數(shù)據(jù)收集匯合，能夠解決與不同數(shù)據(jù)的相關(guān)規(guī)約問題，并能支持多樣的源數(shù)據(jù)格式。

3.3服務(wù)調(diào)度與管理技術(shù)

對(duì)于基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)，為了使不同業(yè)務(wù)系統(tǒng)能夠使用本計(jì)算平臺(tái)，必須要提供相應(yīng)的服務(wù)調(diào)度與管理功能。服務(wù)調(diào)度解決云服務(wù)下的并行互斥以及隔離等問題，以保證安全、可靠的平臺(tái)的云服務(wù)。服務(wù)管理功能要實(shí)現(xiàn)統(tǒng)一的服務(wù)注冊(cè)與服務(wù)暴露功能，并且支持接入第三方的數(shù)據(jù)挖掘，以更好地?cái)U(kuò)展平臺(tái)的服務(wù)能力。

4結(jié)束語(yǔ)

篇4

檔案管理對(duì)象的數(shù)量隨著社會(huì)的發(fā)展而不斷增加，僅僅通過(guò)傳統(tǒng)的管理方式已不能高效管理檔案，這就需要充分利用計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)。在檔案管理系統(tǒng)中應(yīng)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)可以確保檔案信息的安全性，提高管理檔案的效率，還能優(yōu)化檔案數(shù)據(jù)的檢索?？傊?，基于大數(shù)據(jù)的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)對(duì)完善檔案管理系統(tǒng)發(fā)揮著十分重要的作用。

2基于大數(shù)據(jù)的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)概述

基于大數(shù)據(jù)的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)是當(dāng)代新開發(fā)的一種數(shù)據(jù)處理技術(shù)，它可以從大數(shù)據(jù)中挑選出人們需要的數(shù)據(jù)。計(jì)算機(jī)數(shù)據(jù)挖掘是一個(gè)循環(huán)往復(fù)的過(guò)程，如果沒有取得預(yù)期的效果，計(jì)算機(jī)數(shù)據(jù)挖掘信息處理系統(tǒng)就會(huì)返回上一層重新工作，直到完成目標(biāo)任務(wù)為止，這種對(duì)目標(biāo)的細(xì)化過(guò)程可以滿足檔案數(shù)據(jù)檢索的需要。

3基于大數(shù)據(jù)的計(jì)算機(jī)挖掘技術(shù)在檔案管理系統(tǒng)中的作用

3.1提高檔案信息的安全性。無(wú)論是文字檔案、圖片檔案還是其他形式的檔案，都是一種寶貴的資料。越是意義重大的檔案，檔案管理人員就越要想方設(shè)法將其保存起來(lái)。檔案的價(jià)值隨著其保存時(shí)間的不斷推移而增加，價(jià)值越高的檔案，被使用的頻率就越高，但是如果使用過(guò)于頻繁的話，就會(huì)縮短檔案資料的壽命，加大保存難度。除此之外，有的檔案信息是保密的，在應(yīng)用時(shí)如果監(jiān)管不力就會(huì)導(dǎo)致機(jī)密泄露。由以上可見，檔案的保存與使用儼然已互為對(duì)立面了。將計(jì)算機(jī)挖掘技術(shù)應(yīng)用到檔案管理中則對(duì)檔案資料的完整性毫無(wú)影響，并且還可以提高檔案信息的安全性。3.2提高檔案信息管理的效率。在檔案管理工作中應(yīng)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)，可以極大改變傳統(tǒng)檔案管理模式低效率的弊端。使用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)，大大提高了工作人員處理檔案信息的速度，同樣的工作使用的時(shí)間極大減少。鑒定檔案是檔案管理工作中的重要組成部分，傳統(tǒng)的鑒定方式是由管理人員根據(jù)自己的經(jīng)驗(yàn)進(jìn)行主觀鑒定，有時(shí)會(huì)存在有價(jià)值的檔案丟失的現(xiàn)象。應(yīng)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)，檔案管理人員就可以利用計(jì)算機(jī)系統(tǒng)分析檔案使用和保存的情況，促進(jìn)了檔案鑒定工作的發(fā)展。3.3提高了檔案信息的使用效率。大部分檔案信息具有一定的機(jī)密性，所以檔案的借閱并不是向全社會(huì)公開的，而是有范圍限制的，但是由于檔案管理人員和借閱者對(duì)檔案信息不熟悉，導(dǎo)致雙方的溝通存在一定的問題，在借閱者提出申請(qǐng)之后，檔案管理人員會(huì)將檔案資料調(diào)出來(lái)，有時(shí)調(diào)出來(lái)的資料不是借閱者所需要的，還得重新調(diào)閱，類似的過(guò)程就嚴(yán)重浪費(fèi)了雙方的時(shí)間。應(yīng)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)可以促進(jìn)檔案管理人員和借閱者之間的交流，讓檔案管理者明確借閱者需要的具體檔案信息，從而形成專門的檔案提供渠道，這就大大提高了檔案信息的使用效率。3.4增強(qiáng)檔案信息的服務(wù)性。加密檔案信息會(huì)嚴(yán)重縮小它的適用范圍，受當(dāng)代信息化的影響，很多檔案信息自身會(huì)出現(xiàn)一些問題，并且只能為一小部分人服務(wù)。將計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)應(yīng)用到檔案信息管理中，可以具體分析檔案的使用情況，通過(guò)研究發(fā)現(xiàn)未來(lái)使用檔案信息的人群，在此基礎(chǔ)上提高檔案信息的服務(wù)性。

4基于大數(shù)據(jù)的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在檔案管理中的實(shí)際應(yīng)用

4.1在檔案分類管理中的應(yīng)用。檔案管理的基礎(chǔ)工作就是將檔案進(jìn)行分類。傳統(tǒng)的分類方法既費(fèi)時(shí)又費(fèi)力，工作效率極低。計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)中有一種決策樹算法，它可以在最短的時(shí)間內(nèi)按照一定的規(guī)則將不同屬性的檔案信息進(jìn)行分類和整理，大大提高了檔案分類工作的效率。計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在檔案分類工作中的具體流程是：從大量不同種類的數(shù)據(jù)集中選擇一些數(shù)據(jù)組合成訓(xùn)練集，然后應(yīng)用到?jīng)]有進(jìn)行分類的檔案管理中，這樣可以幫助管理者根據(jù)借閱者對(duì)檔案信息的需求來(lái)對(duì)檔案進(jìn)行分類，同時(shí)還可以根據(jù)借閱者的需求為其推薦其他檔案信息。通過(guò)這些針對(duì)性強(qiáng)的數(shù)據(jù)分析，可以極大縮短借閱者獲取檔案信息的時(shí)間，檔案數(shù)據(jù)的利用價(jià)值就能充分發(fā)揮出來(lái)。4.2在檔案收集管理中的應(yīng)用。計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)可以根據(jù)數(shù)據(jù)庫(kù)內(nèi)部的數(shù)據(jù)信息描述來(lái)構(gòu)建一個(gè)相應(yīng)的數(shù)據(jù)模型，然后比較計(jì)算機(jī)數(shù)據(jù)樣本和數(shù)據(jù)模型之間的差異，如果這二者互相吻合，就需要檔案管理人員使用測(cè)試樣本模型來(lái)對(duì)檔案信息進(jìn)行分類處理。計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)需要全面分析檔案數(shù)據(jù)信息庫(kù)中的數(shù)據(jù)，建立一個(gè)對(duì)已知數(shù)據(jù)有詳細(xì)描述的概念模型，并與測(cè)試樣本進(jìn)行對(duì)比，如果一個(gè)模型測(cè)試通過(guò)，就證明這個(gè)模型可以應(yīng)用在檔案收集管理中。

5結(jié)語(yǔ)

綜上所述，在科技技術(shù)不斷進(jìn)步的時(shí)代背景下，在檔案信息管理中應(yīng)用基于大數(shù)據(jù)的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)已成為一種必然趨勢(shì)，它可以極大提高檔案信息管理的工作效率，促進(jìn)檔案管理的高效發(fā)展。除了在檔案信息存儲(chǔ)和利用上確?；镜男畔⒉樵兎?wù)外，還需要應(yīng)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)整合檔案信息，建立眾多檔案管理服務(wù)數(shù)據(jù)之間的關(guān)聯(lián)，這樣才能為檔案信息管理提供更好的服務(wù)。

作者:陳皓穎 單位:昆明理工大學(xué)津橋?qū)W院

參考文獻(xiàn)

[1]高燕飛,陳俊杰.試析計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在檔案信息管理系統(tǒng)中的運(yùn)用[J].內(nèi)蒙古師范大學(xué)學(xué)報(bào):哲學(xué)社會(huì)科學(xué)版,2012(4):44-46.

[2]曾雪峰.計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開發(fā)及其在檔案信息管理中的運(yùn)用研究[J].科技創(chuàng)新與應(yīng)用,2016(9):285.

[3]李國(guó)強(qiáng),曹巧蓮,辛正宇,等.淺談數(shù)據(jù)處理的新技術(shù)———數(shù)據(jù)挖掘[J].科技創(chuàng)新與生產(chǎn)力,2010(6).

[4]周碧珍.淺析計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在檔案信息管理系統(tǒng)中的應(yīng)用[J].黑龍江科技信息,2009(1).

篇5

關(guān)鍵詞 情報(bào)學(xué)；碩士論文；關(guān)鍵詞

中圖分類號(hào)G251 文獻(xiàn)標(biāo)識(shí)碼A 文章編號(hào) 1674-6708（2014）114-0013-02

當(dāng)前，世界各國(guó)的許多高等院校和科學(xué)研究機(jī)構(gòu)都在加強(qiáng)對(duì)圖書情報(bào)的研究，許多世界一流院校，比如Harvard University（哈佛大學(xué)）、Princeton University（普林斯頓大學(xué)）、Yale University（耶魯大學(xué)）、Massachusetts Inst. of Technology（麻省理工學(xué)院）等都建立了比較完善的情報(bào)學(xué)教育體系。而比較而言，在我國(guó)高等院校與科研院所對(duì)圖書情報(bào)學(xué)的相關(guān)研究，明顯要相對(duì)落后，近年來(lái)隨著改革開放的深入推進(jìn)，有關(guān)情報(bào)學(xué)的招生和課題研究有所提升，并呈現(xiàn)出較為快速的增長(zhǎng)態(tài)勢(shì)，然而由于研究?jī)?nèi)容相對(duì)較為高深，而且研究的靶場(chǎng)顯得較為前沿化與多元化?；陉P(guān)鍵詞對(duì)學(xué)位論文進(jìn)行統(tǒng)計(jì)、研究與分析是文獻(xiàn)計(jì)量學(xué)的范疇，是圖書情報(bào)學(xué)研究的重要內(nèi)容。即以學(xué)位文獻(xiàn)或?qū)W位文獻(xiàn)的某些特點(diǎn)為標(biāo)的，以聚集梳理一定數(shù)量文獻(xiàn)為基礎(chǔ)，由此展開對(duì)某一時(shí)域某一領(lǐng)域科學(xué)技術(shù)基本狀況與基本特征的研究，并由此論述和預(yù)測(cè)該領(lǐng)域科學(xué)技術(shù)在今后一段時(shí)期的研究趨勢(shì)與特點(diǎn)規(guī)律態(tài)勢(shì)?；讵?dú)特關(guān)鍵詞進(jìn)行圖書情報(bào)領(lǐng)域的碩士學(xué)位論文進(jìn)行分析，是情報(bào)學(xué)研究的一項(xiàng)重要方法，是一種將文獻(xiàn)資料中的眾多核心要素關(guān)聯(lián)起來(lái)，進(jìn)行統(tǒng)計(jì)分析的引證分析方法，其可以較為科學(xué)地評(píng)價(jià)文獻(xiàn)所研究與發(fā)展的現(xiàn)狀和趨勢(shì)，揭示學(xué)科當(dāng)時(shí)研究的熱點(diǎn)，較為準(zhǔn)確地評(píng)價(jià)文獻(xiàn)所代表的學(xué)術(shù)水平。

1 研究對(duì)象數(shù)據(jù)來(lái)源

本文研究的對(duì)象定位于對(duì)國(guó)內(nèi)圖書情報(bào)領(lǐng)域這一總體框架，并于此基礎(chǔ)上將“靶向”集中于碩士學(xué)位論文的統(tǒng)計(jì)、分析與研究，將“靶標(biāo)”聚集到碩士學(xué)位論文的研究熱點(diǎn)、趨勢(shì)、重點(diǎn)、前沿以及其變化情況，從而更加清晰地梳理出我國(guó)情報(bào)學(xué)研究的發(fā)展脈絡(luò)，從而為我國(guó)情報(bào)學(xué)教育發(fā)展提供參考。研究的主要數(shù)據(jù)來(lái)源集中于國(guó)內(nèi)著名的學(xué)位論文收集庫(kù)――中國(guó)知網(wǎng)CNKI學(xué)術(shù)文獻(xiàn)總庫(kù)、維普期刊資源整合服務(wù)平臺(tái)與萬(wàn)方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)“三大論文數(shù)據(jù)庫(kù)”，以及國(guó)內(nèi)高等院校圖書館自建特色數(shù)據(jù)庫(kù)。其中，中國(guó)知網(wǎng)CNKI和萬(wàn)方數(shù)據(jù)庫(kù)是國(guó)內(nèi)收錄學(xué)位論文最為全面的數(shù)據(jù)庫(kù)，因此，為了確保分析研究的數(shù)據(jù)具有較高可信度與代表性，分析研究檢索的數(shù)據(jù)源即來(lái)自該兩個(gè)數(shù)據(jù)庫(kù)，著重定位于“學(xué)科專業(yè)名稱”、“學(xué)科專業(yè)分類”選項(xiàng)進(jìn)行檢索，而檢索的時(shí)間區(qū)域定位于近10年，對(duì)于兩個(gè)數(shù)據(jù)庫(kù)檢索出來(lái)的文獻(xiàn)，對(duì)于相同的通過(guò)采用SQL 語(yǔ)句進(jìn)行篩選，剔除重復(fù)的以及不符合的。

由此，以“情報(bào)學(xué)”作為檢索詞，從中國(guó)知網(wǎng)CNKI數(shù)據(jù)庫(kù)獲得1640篇碩士論文，從萬(wàn)方數(shù)據(jù)庫(kù)中獲致1315篇碩士論文，通過(guò)SQL篩選剔除重復(fù)的以及不符合的795篇，總共獲得有效國(guó)內(nèi)圖書情報(bào)領(lǐng)域碩士論文2160篇。

2 基于高頻關(guān)鍵詞的國(guó)內(nèi)圖書情報(bào)領(lǐng)域碩士學(xué)位論文特點(diǎn)

通過(guò)對(duì)獲取到的2160篇國(guó)內(nèi)圖書情報(bào)領(lǐng)域碩士論文進(jìn)行研究，綜合統(tǒng)計(jì)論文的關(guān)鍵詞，累計(jì)關(guān)鍵詞有13976個(gè)，經(jīng)過(guò)分析研究，去除不能表達(dá)論文主題概念的關(guān)鍵詞3645個(gè)，共得10331個(gè)，平均每篇碩士文獻(xiàn)關(guān)鍵詞數(shù)為4.78個(gè)，由此可說(shuō)明該統(tǒng)計(jì)是科學(xué)的，與國(guó)外科文獻(xiàn)資料對(duì)關(guān)鍵詞的標(biāo)引規(guī)則相符（國(guó)內(nèi)外科技期刊要求的每篇關(guān)鍵詞應(yīng)標(biāo)出 3-8 個(gè)），接著對(duì)關(guān)鍵詞的詞頻進(jìn)行統(tǒng)計(jì)分析，將關(guān)鍵詞的頻度大于60作為標(biāo)準(zhǔn)，將其定義為“高頻詞”，通過(guò)對(duì)“高頻詞”的統(tǒng)計(jì)分析，可以非常清晰地看出，有關(guān)“知識(shí)管理”這一主題的頻次最高，多達(dá)126次。無(wú)疑，這也證實(shí)了近些年來(lái)，學(xué)術(shù)界對(duì)知識(shí)管理這個(gè)方向的研究熱點(diǎn)。此外，“電子商務(wù)”為121次、“信息化”為118次、“信息技術(shù)”為112次、“競(jìng)爭(zhēng)情報(bào)”為102次、“信息服務(wù)”為98次、“信息檢索”為96次、“數(shù)據(jù)挖掘”為87次、“數(shù)字圖書”為84次、“信息資源”為79次、“電子政務(wù)”為75次、 “知識(shí)服務(wù)”為71次、“知識(shí)共享”為68次、“數(shù)據(jù)倉(cāng)庫(kù)”為63次，從中也反映了我國(guó)對(duì)信息化建設(shè)、知識(shí)服務(wù)、數(shù)字化建設(shè)等關(guān)注在日益提升，也驗(yàn)證了我國(guó)國(guó)務(wù)院學(xué)位委員會(huì)重新頒布的《授予博士、碩士學(xué)位和培養(yǎng)研究生的學(xué)科、專業(yè)目錄》中“圖書館、情報(bào)與檔案管理”的實(shí)效，表明了情報(bào)學(xué)與管理學(xué)之間滲透和結(jié)合日益加強(qiáng)，也可以折射出當(dāng)前研究的重點(diǎn)、熱點(diǎn)仍然集中在情報(bào)學(xué)基礎(chǔ)領(lǐng)域，并預(yù)示著今后情報(bào)學(xué)研究的一個(gè)重點(diǎn)將是對(duì)網(wǎng)絡(luò)信息資源的開發(fā)、整合與利用。

3 基于聚類共詞的國(guó)內(nèi)圖書情報(bào)領(lǐng)域碩士學(xué)位論文特點(diǎn)

通常來(lái)說(shuō)，僅僅通過(guò)孤獨(dú)地察看論文的某一關(guān)鍵詞，通常是難以有充足的理由說(shuō)明該論文所研究的主題，然而通過(guò)關(guān)注兩個(gè)或者兩個(gè)以上的關(guān)鍵詞，將可以給予人們更加充分的信息去把握論文的大致內(nèi)容和論文的主題脈絡(luò)。通過(guò)采取計(jì)算機(jī)數(shù)字高效處理作用，充分發(fā)揮Excel的數(shù)據(jù)透視功能，再次對(duì)出現(xiàn)次數(shù)高于60的高頻出現(xiàn)的關(guān)鍵詞進(jìn)行“聚類性”分析，統(tǒng)計(jì)在同一論文中兩兩同時(shí)出現(xiàn)的關(guān)鍵詞，從而構(gòu)建出60 × 60的“聚類共詞矩陣”，通過(guò)這一矩陣的研究，非常清晰地顯示出“聚類共詞矩陣”是一個(gè)對(duì)稱矩陣，其中位于矩陣對(duì)角線上的數(shù)據(jù)顯示的是某關(guān)鍵詞自身一同出現(xiàn)的頻次，這個(gè)一同出現(xiàn)的現(xiàn)象就實(shí)質(zhì)來(lái)說(shuō)，就是論文之間的相關(guān)度，對(duì)于非對(duì)角線上的數(shù)據(jù)，則表示不同關(guān)鍵詞之間的共現(xiàn)頻次。通過(guò)這個(gè)矩陣可以從另一個(gè)側(cè)反題出，關(guān)鍵詞分布既有交叉、相互滲透又具有群組分布的獨(dú)立性。通過(guò)Excel的數(shù)據(jù)透視處理得到共現(xiàn)頻次較高的有：“知識(shí)管理”為124次，“電子商務(wù)”為106次，“競(jìng)爭(zhēng)情報(bào)”為101次，“高校圖書館”為98次，“信息服務(wù)”為92次，“數(shù)據(jù)挖掘”為87次，“數(shù)學(xué)圖書館”為83次，“信息資源”為81次，“電子政務(wù)”為79次，“知識(shí)共享”為72次，“數(shù)據(jù)倉(cāng)庫(kù)”為66次。由此可以看出，在國(guó)內(nèi)圖書情報(bào)領(lǐng)域碩士學(xué)位論文的研究主題中，當(dāng)前基于數(shù)字化、信息化、電子化的知識(shí)管理與數(shù)據(jù)挖掘是個(gè)熱點(diǎn)，同時(shí)也說(shuō)明我國(guó)情報(bào)學(xué)教育研究的領(lǐng)域在不斷拓寬。

綜合以上，關(guān)注獨(dú)特關(guān)鍵詞下國(guó)內(nèi)圖書情報(bào)領(lǐng)域碩士學(xué)位論文研究的學(xué)科結(jié)構(gòu)特點(diǎn)，獲得了基于高頻關(guān)鍵詞的國(guó)內(nèi)圖書情報(bào)領(lǐng)域碩士學(xué)位論文特點(diǎn)，以及基于聚類共詞的國(guó)內(nèi)圖書情報(bào)領(lǐng)域碩士學(xué)位論文特點(diǎn)，通過(guò)對(duì)研究結(jié)果的比較分析，得出了一些有較為充足理由支撐的結(jié)論，那就是從中可以較為清晰地得出，當(dāng)前以及今后一段時(shí)期國(guó)內(nèi)圖書情報(bào)領(lǐng)域碩士學(xué)位論文研究的側(cè)重點(diǎn)在于“數(shù)字化、信息化、電子化的知識(shí)管理與數(shù)據(jù)信息挖掘”。

參考文獻(xiàn)

[1]曾學(xué)喜.網(wǎng)絡(luò)輿情突發(fā)事件預(yù)警指標(biāo)體系構(gòu)建[J].情報(bào)理論與實(shí)踐，2013（11）.

[2]Miao Adam X，Zacharias Greg L.A computational situation assessment model for nuclear power plant operations[J].IEEE Transactions on systems，Man and Cybernetics，2011（9）.

篇6

醫(yī)學(xué)論文是醫(yī)學(xué)科研工作的最后階段，通過(guò)文字形式記錄醫(yī)學(xué)研究的最新結(jié)果。因此，撰寫醫(yī)學(xué)論文要把握醫(yī)學(xué)論文的基本要求、選題方法及一般體裁，從而達(dá)到主題和形式的和諧統(tǒng)一。

1 醫(yī)學(xué)論文的基本要求

1.1 創(chuàng)新性醫(yī)學(xué)論文的創(chuàng)新性是指文章要有新意，要發(fā)展醫(yī)學(xué)成就，破解醫(yī)學(xué)問題。醫(yī)學(xué)論文有無(wú)創(chuàng)新，選題是關(guān)鍵。選題創(chuàng)新是醫(yī)學(xué)論文寫作的靈魂，是衡量醫(yī)學(xué)論文價(jià)值的重要標(biāo)準(zhǔn)。可體現(xiàn)在：①理論方面的選題應(yīng)有創(chuàng)新見解，既要反映作者在某些理論方面的獨(dú)創(chuàng)見解，又要提出這些見解的依據(jù)；②應(yīng)用方面的選題應(yīng)有創(chuàng)新技術(shù)等，也就是要寫出新發(fā)明、新技術(shù)、新產(chǎn)品、新設(shè)備的關(guān)鍵，或揭示原有技術(shù)移植到新的醫(yī)學(xué)領(lǐng)域中的效果；③創(chuàng)新性還包括研究方法方面的改進(jìn)或突破。

1.2 可行性 所謂選題的可行性，是指能夠充分發(fā)揮作者的綜合條件和可以勝任及如期完成醫(yī)學(xué)論文寫作的把握程度。選題切忌好高鶩遠(yuǎn)，脫離實(shí)際，但也不應(yīng)過(guò)低，影響主客觀的正常發(fā)揮，降低了醫(yī)學(xué)論文的水平。影響選題的可行性因素有：①主觀條件，包括作者知識(shí)素質(zhì)結(jié)構(gòu)、研究能力、技術(shù)水平及特長(zhǎng)和興趣等；②客觀條件，包括經(jīng)費(fèi)、資料、時(shí)間、設(shè)備等。

1.3 實(shí)用性 撰寫醫(yī)學(xué)論文的目的是為了交流及應(yīng)用。要從實(shí)際出發(fā)，選擇夠指導(dǎo)科研、指導(dǎo)臨床、造福人類的主題，因此，選題的實(shí)用性尤為重要。

1.4 科學(xué)性 醫(yī)學(xué)論文是臨床和醫(yī)學(xué)科學(xué)研究工作的客觀反映，其寫作的具體內(nèi)容應(yīng)該是取材客觀真實(shí)、主題揭示本質(zhì)、科研設(shè)計(jì)合理、論證科學(xué)嚴(yán)謹(jǐn)、表達(dá)邏輯性強(qiáng)、經(jīng)過(guò)實(shí)踐檢驗(yàn)。所以，嚴(yán)格遵守選題的科學(xué)性原則，是醫(yī)學(xué)論文寫作的生命

1.5 前瞻性 要選擇有研究?jī)r(jià)值及發(fā)展前途的主題，應(yīng)積極開發(fā)研究新領(lǐng)域、新學(xué)科和新理論。2 選題的基本方法

2.1 根據(jù)課題研究的結(jié)論來(lái)確定主題 這是常用的方法，可分為：①以科研的結(jié)論或部分結(jié)論作為醫(yī)學(xué)論文的主題；②科研結(jié)果與開題時(shí)預(yù)測(cè)不一致，待查出原因后，再尋找主題；③科研達(dá)不到預(yù)期結(jié)果，可總結(jié)經(jīng)驗(yàn)，從反面挖掘主題。

2.2 在科研過(guò)程中選題 醫(yī)學(xué)科研的過(guò)程中，有時(shí)會(huì)出現(xiàn)意外的現(xiàn)象或問題，作者如果能夠細(xì)心觀察、及時(shí)發(fā)現(xiàn)，可以在這些偶然中獲得新的選題。

2.3 在臨床實(shí)踐中選題 臨床工作是醫(yī)學(xué)論文寫作取之不盡的源泉，作者在臨床中會(huì)經(jīng)常遇到許多需要解決的實(shí)際應(yīng)用問題或理論問題，對(duì)此，只要從本學(xué)科實(shí)際出發(fā)，用心思考，會(huì)從中產(chǎn)生很多好的主題。其包括：①探討發(fā)病機(jī)制與預(yù)后情況；②分析臨床癥狀與表現(xiàn)；③研究診斷方法和治療方法；④疾病的多因素分析等。

2.4 從文獻(xiàn)資料中選題 醫(yī)學(xué)文獻(xiàn)是人們長(zhǎng)期積累的寶貴財(cái)富，是醫(yī)學(xué)論文選題的重要來(lái)源。閱讀最新文獻(xiàn)資料，可以了解當(dāng)前醫(yī)學(xué)科學(xué)研究的進(jìn)展情況，開拓思路、激發(fā)靈感，從而挖掘提煉出好的醫(yī)學(xué)論文主題。

3 醫(yī)學(xué)論文的一般體裁

3.1 實(shí)驗(yàn)研究 一般為病因、病理、生理、生化、藥理、生物、寄生蟲和流行病學(xué)等實(shí)驗(yàn)研究。主要包括：①對(duì)各種動(dòng)物進(jìn)行藥理、毒理實(shí)驗(yàn)，外科手術(shù)實(shí)驗(yàn)；②對(duì)某種疾病的病原或病因的體外實(shí)驗(yàn)；③某些藥物的抗癌、抗菌、抗寄生蟲實(shí)驗(yàn)；④消毒、殺蟲和滅菌的實(shí)驗(yàn)。

3.2 臨床分析 對(duì)臨床上某種疾病病例（百例以上為佳）的病因、臨床表現(xiàn)、分型、治療方法

和療效觀察等進(jìn)行分析、討論，總結(jié)經(jīng)驗(yàn)教訓(xùn)，并提出新建議、新見解，以提高臨床療效。

3.3 療效觀察 指使用某種新藥、新療法治療某種疾病，對(duì)治療的方法、效果、劑量、療程及不良反應(yīng)等進(jìn)行觀察、研究，或設(shè)立對(duì)照組對(duì)新舊藥物或療法的療效進(jìn)行比較，對(duì)比療效的高低、療法的優(yōu)劣、不良反應(yīng)的種類及程度，并對(duì)是否適于推廣應(yīng)用提出評(píng)價(jià)意見。

3.4 病例報(bào)告 主要報(bào)告罕見病及疑難重癥；雖然曾有少數(shù)類似報(bào)道但尚有重復(fù)驗(yàn)證或加深認(rèn)識(shí)的必要。

3.5 病例（理）討論 臨床病例討論主要是對(duì)某些疑難、復(fù)雜、易于誤診誤治的病例，在診斷和治療方面進(jìn)行集體討論，以求得正確的診斷和有效的治療。臨床病理討論則以對(duì)少見或疑難疾病的病理檢查、診斷及相關(guān)討論為主。

3.6 調(diào)查報(bào)告 在一定范圍的人群里，不施加人工處理因素，對(duì)某一疾?。▊魅静　⒘餍胁?、職業(yè)病、地方病等）的發(fā)病情況、發(fā)病因素、病理、防治方法及其效果進(jìn)行流行病學(xué)調(diào)查研究，給予評(píng)價(jià)，并對(duì)防治方案等提出建議。

篇7

1.1創(chuàng)新性醫(yī)學(xué)論文的創(chuàng)新性是指文章要有新意，要發(fā)展醫(yī)學(xué)成就，破解醫(yī)學(xué)問題。醫(yī)學(xué)論文有無(wú)創(chuàng)新，選題是關(guān)鍵。選題創(chuàng)新是醫(yī)學(xué)論文寫作的靈魂，是衡量醫(yī)學(xué)論文價(jià)值的重要標(biāo)準(zhǔn)?？审w現(xiàn)在：①理論方面的選題應(yīng)有創(chuàng)新見解，既要反映作者在某些理論方面的獨(dú)創(chuàng)見解，又要提出這些見解的依據(jù)；②應(yīng)用方面的選題應(yīng)有創(chuàng)新技術(shù)等，也就是要寫出新發(fā)明、新技術(shù)、新產(chǎn)品、新設(shè)備的關(guān)鍵，或揭示原有技術(shù)移植到新的醫(yī)學(xué)領(lǐng)域中的效果；③創(chuàng)新性還包括研究方法方面的改進(jìn)或突破。

1.2可行性所謂選題的可行性，是指能夠充分發(fā)揮作者的綜合條件和可以勝任及如期完成醫(yī)學(xué)論文寫作的把握程度。選題切忌好高鶩遠(yuǎn)，脫離實(shí)際，但也不應(yīng)過(guò)低，影響主客觀的正常發(fā)揮，降低了醫(yī)學(xué)論文的水平。影響選題的可行性因素有：①主觀條件，包括作者知識(shí)素質(zhì)結(jié)構(gòu)、研究能力、技術(shù)水平及特長(zhǎng)和興趣等；②客觀條件，包括經(jīng)費(fèi)、資料、時(shí)間、設(shè)備等。

1.3實(shí)用性撰寫醫(yī)學(xué)論文的目的是為了交流及應(yīng)用。要從實(shí)際出發(fā)，選擇夠指導(dǎo)科研、指導(dǎo)臨床、造福人類的主題，因此，選題的實(shí)用性尤為重要。

1.4科學(xué)性醫(yī)學(xué)論文是臨床和醫(yī)學(xué)科學(xué)研究工作的客觀反映，其寫作的具體內(nèi)容應(yīng)該是取材客觀真實(shí)、主題揭示本質(zhì)、科研設(shè)計(jì)合理、論證科學(xué)嚴(yán)謹(jǐn)、表達(dá)邏輯性強(qiáng)、經(jīng)過(guò)實(shí)踐檢驗(yàn)。所以，嚴(yán)格遵守選題的科學(xué)性原則，是醫(yī)學(xué)論文寫作的生命。

1.5前瞻性要選擇有研究?jī)r(jià)值及發(fā)展前途的主題，應(yīng)積極開發(fā)研究新領(lǐng)域、新學(xué)科和新理論。

2選題的基本方法

2.1根據(jù)課題研究的結(jié)論來(lái)確定主題這是常用的方法，可分為：①以科研的結(jié)論或部分結(jié)論作為醫(yī)學(xué)論文的主題；②科研結(jié)果與開題時(shí)預(yù)測(cè)不一致，待查出原因后，再尋找主題；③科研達(dá)不到預(yù)期結(jié)果，可總結(jié)經(jīng)驗(yàn)，從反面挖掘主題。

2.2在科研過(guò)程中選題醫(yī)學(xué)科研的過(guò)程中，有時(shí)會(huì)出現(xiàn)意外的現(xiàn)象或問題，作者如果能夠細(xì)心觀察、及時(shí)發(fā)現(xiàn)，可以在這些偶然中獲得新的選題。

2.3在臨床實(shí)踐中選題臨床工作是醫(yī)學(xué)論文寫作取之不盡的源泉，作者在臨床中會(huì)經(jīng)常遇到許多需要解決的實(shí)際應(yīng)用問題或理論問題，對(duì)此，只要從本學(xué)科實(shí)際出發(fā)，用心思考，會(huì)從中產(chǎn)生很多好的主題。其包括：①探討發(fā)病機(jī)制與預(yù)后情況；②分析臨床癥狀與表現(xiàn)；③研究診斷方法和治療方法；④疾病的多因素分析等。

2.4從文獻(xiàn)資料中選題醫(yī)學(xué)文獻(xiàn)是人們長(zhǎng)期積累的寶貴財(cái)富，是醫(yī)學(xué)論文選題的重要來(lái)源。閱讀最新文獻(xiàn)資料，可以了解當(dāng)前醫(yī)學(xué)科學(xué)研究的進(jìn)展情況，開拓思路、激發(fā)靈感，從而挖掘提煉出好的醫(yī)學(xué)論文主題。

3醫(yī)學(xué)論文的一般體裁

3.1實(shí)驗(yàn)研究一般為病因、病理、生理、生化、藥理、生物、寄生蟲和流行病學(xué)等實(shí)驗(yàn)研究。主要包括：①對(duì)各種動(dòng)物進(jìn)行藥理、毒理實(shí)驗(yàn)，外科手術(shù)實(shí)驗(yàn)；②對(duì)某種疾病的病原或病因的體外實(shí)驗(yàn)；③某些藥物的抗癌、抗菌、抗寄生蟲實(shí)驗(yàn)；④消毒、殺蟲和滅菌的實(shí)驗(yàn)。

3.2臨床分析對(duì)臨床上某種疾病病例（百例以上為佳）的病因、臨床表現(xiàn)、分型、治療方法和療效觀察等進(jìn)行分析、討論，總結(jié)經(jīng)驗(yàn)教訓(xùn)，并提出新建議、新見解，以提高臨床療效。

3.3療效觀察指使用某種新藥、新療法治療某種疾病，對(duì)治療的方法、效果、劑量、療程及不良反應(yīng)等進(jìn)行觀察、研究，或設(shè)立對(duì)照組對(duì)新舊藥物或療法的療效進(jìn)行比較，對(duì)比療效的高低、療法的優(yōu)劣、不良反應(yīng)的種類及程度，并對(duì)是否適于推廣應(yīng)用提出評(píng)價(jià)意見。

3.4病例報(bào)告主要報(bào)告罕見病及疑難重癥；雖然曾有少數(shù)類似報(bào)道但尚有重復(fù)驗(yàn)證或加深認(rèn)識(shí)的必要。

3.5病例（理）討論臨床病例討論主要是對(duì)某些疑難、復(fù)雜、易于誤診誤治的病例，在診斷和治療方面進(jìn)行集體討論，以求得正確的診斷和有效的治療。臨床病理討論則以對(duì)少見或疑難疾病的病理檢查、診斷及相關(guān)討論為主。

3.6調(diào)查報(bào)告在一定范圍的人群里，不施加人工處理因素，對(duì)某一疾?。▊魅静　⒘餍胁?、職業(yè)病、地方病等）的發(fā)病情況、發(fā)病因素、病理、防治方法及其效果進(jìn)行流行病學(xué)調(diào)查研究，給予評(píng)價(jià)，并對(duì)防治方案等提出建議。

篇8

關(guān)鍵詞：研究型；學(xué)習(xí)；培養(yǎng)；科研實(shí)踐

對(duì)于高校而言，研究生既是知識(shí)傳授的對(duì)象，又是日常科研工作的參與者，其理論學(xué)習(xí)過(guò)程和科研能力的培養(yǎng)相互交融且呈現(xiàn)多變的特點(diǎn)。[1][2][3]

筆者目前暫不具備獨(dú)立招收研究生的資格，但依托研究團(tuán)隊(duì)和所承擔(dān)的科研項(xiàng)目，每年都會(huì)協(xié)助指導(dǎo)若干名研究生（碩士生、博士生）順利畢業(yè)。在協(xié)助指導(dǎo)這些研究生學(xué)習(xí)和開展科研工作的過(guò)程中，積累了一些經(jīng)驗(yàn)。結(jié)合筆者2013～2014年前往英國(guó)訪問交流一年過(guò)程中參加教學(xué)培訓(xùn)項(xiàng)目和科研合作項(xiàng)目的體會(huì)，本文從研究型學(xué)習(xí)方法及其在科研實(shí)踐中的應(yīng)用等方面淺析研究生培養(yǎng)工作的體會(huì)。

一、基于研究型學(xué)習(xí)的培養(yǎng)特點(diǎn)剖析

1.基于研究心態(tài)的理論知識(shí)學(xué)習(xí)

為了便于開展科研理論分析工作， 研究生培養(yǎng)的初期階段需要有針對(duì)性地選擇專業(yè)課程知識(shí)學(xué)習(xí)，而專業(yè)課的授課內(nèi)容更突出針對(duì)性和研究性。[4][5]研究生若帶著研究的心態(tài)學(xué)習(xí)這些專業(yè)課程，必將在學(xué)習(xí)過(guò)程中能更好地鍛煉對(duì)科學(xué)問題的認(rèn)識(shí)、分析和解決的能力。

實(shí)現(xiàn)專業(yè)課程的研究型學(xué)習(xí)，對(duì)專業(yè)課的講授方式和內(nèi)容設(shè)置也提出了一定的要求。筆者在英國(guó)哈德菲爾德大學(xué)留學(xué)期間，對(duì)于該校課程設(shè)置和講授方式深有感觸。在跟課的“Dynamic Analysis and Control”課程中，主講教師通過(guò)設(shè)置多個(gè)實(shí)際工程應(yīng)用案例開展授課內(nèi)容講解，實(shí)例中計(jì)算數(shù)據(jù)均來(lái)自實(shí)際工業(yè)系統(tǒng)，布置的作業(yè)也與科研項(xiàng)目緊密相關(guān)。這種研究型的授課和學(xué)習(xí)模式，可以使得研究生對(duì)所學(xué)內(nèi)容的整體把握和應(yīng)用有了更為直觀的認(rèn)識(shí)，對(duì)于今后開展研究工作也有觸類旁通的優(yōu)勢(shì)。

帶著研究的心態(tài)來(lái)學(xué)習(xí)理論知識(shí)， 還可以通過(guò)對(duì)應(yīng)的科研實(shí)踐來(lái)鞏固研究生理論水平培養(yǎng)的效果。通過(guò)適當(dāng)?shù)目茖W(xué)研究實(shí)踐，將最新的科研成果和知識(shí)動(dòng)態(tài)融于理論學(xué)習(xí)過(guò)程，可以在一定程度上彌補(bǔ)理論學(xué)習(xí)的抽象性、知識(shí)的落后性等不足，實(shí)現(xiàn)研究生綜合科研素質(zhì)的扎實(shí)培養(yǎng)。[6]

2.基于主動(dòng)挖掘的科研實(shí)踐思維

研究生的培養(yǎng)中，“學(xué)”與“研”的培養(yǎng)相互作用、互為促進(jìn)。“學(xué)”是手段，“研”是目的。多學(xué)是為了更好地研究，深入的科研工作可以為主動(dòng)學(xué)習(xí)提供積極的動(dòng)力。

研究生通過(guò)理論知識(shí)學(xué)習(xí)，具備了一定的獨(dú)立開展理論知識(shí)學(xué)習(xí)、獨(dú)立從事科研活動(dòng)的能力。將其引入科研項(xiàng)目中，根據(jù)個(gè)人特長(zhǎng)和興趣愛好進(jìn)行項(xiàng)目分工，可以充分調(diào)動(dòng)研究生的參與積極性和探索熱情，使其能夠自主地、全身心地投入到科研實(shí)踐活動(dòng)中。在此階段，研究生的科研實(shí)踐熱情被充分激發(fā)和釋放，將主動(dòng)收集與所研究領(lǐng)域有關(guān)的資料和文獻(xiàn)，通過(guò)整理、消化和吸收，主動(dòng)挖掘更為深入的理論知識(shí)背景，形成獨(dú)立的見解和科研成果。

主動(dòng)挖掘的過(guò)程中，科研活動(dòng)促進(jìn)了理論知識(shí)的學(xué)習(xí)，理論知識(shí)的挖掘提升了科研能力水平，體現(xiàn)了研究生培養(yǎng)的“研”“學(xué)”并重特點(diǎn)，和以“研”促“學(xué)”的培養(yǎng)理念。

二、實(shí)踐研究型培養(yǎng)方法的一些舉措

1.科研實(shí)踐培養(yǎng)突出研究特點(diǎn)

（1）引導(dǎo)研究生承擔(dān)部分理論研究工作，培養(yǎng)從理論上解決技術(shù)難題，形成解決方案的能力。此外，研究生還要承擔(dān)一部分的工程任務(wù)，以鍛煉其實(shí)踐能力，明確研究活動(dòng)的理論與實(shí)踐關(guān)系。

（2）構(gòu)建包括研究生在內(nèi)的研究團(tuán)隊(duì)定期學(xué)術(shù)討論與總結(jié)機(jī)制，以競(jìng)賽激發(fā)科研興趣，加強(qiáng)互聯(lián)網(wǎng)資源使用的引導(dǎo)?？偨Y(jié)交流是提高研究水平的重要途徑，借助互聯(lián)網(wǎng)這一開放式學(xué)習(xí)平臺(tái)，研究生可與組內(nèi)外、國(guó)內(nèi)外學(xué)者分享最新的研究成果，實(shí)現(xiàn)互補(bǔ)與互助提高。

（3）開展全面而深入的學(xué)術(shù)訪問和交流。學(xué)術(shù)無(wú)止境，交流共提高。研究生在培養(yǎng)階段應(yīng)該多走出校門，借助國(guó)內(nèi)外學(xué)術(shù)會(huì)議平臺(tái)培養(yǎng)建立學(xué)術(shù)聯(lián)系、提升交流水平和展示學(xué)術(shù)成果能力，為以后潛在的合作研究奠定基礎(chǔ)。筆者在英訪學(xué)期間，曾走訪了帝國(guó)理工學(xué)院、曼徹斯特大學(xué)、巴斯大學(xué)等知名學(xué)府，他們的科研硬條件一流，軟實(shí)力水平也非常高。這些大學(xué)的研究非常開放，很歡迎中國(guó)的留學(xué)生前去參與科研項(xiàng)目研究。國(guó)內(nèi)的研究生可以積極聯(lián)系這些單位，爭(zhēng)取去聯(lián)合培養(yǎng)的科學(xué)研究機(jī)會(huì)。

2.學(xué)術(shù)論文撰寫體現(xiàn)高度責(zé)任心

高水平學(xué)術(shù)論文的撰寫是檢驗(yàn)研究生培養(yǎng)成效和研究能力的一個(gè)有效手段。通過(guò)撰寫高水平學(xué)術(shù)論文，一方面研究生可以梳理理論學(xué)習(xí)過(guò)程中存在的不足，另一方面也可以凝練研究工作，提升學(xué)術(shù)研究的理論水平。

（1）論文選題要明確、突出研究?jī)r(jià)值，內(nèi)容要詳實(shí)、有據(jù)可依。所撰寫的內(nèi)容應(yīng)來(lái)源于自己的科學(xué)研究實(shí)踐中的所思所想，撰寫時(shí)需要精心設(shè)計(jì)論文內(nèi)容和組織結(jié)構(gòu)，重視文獻(xiàn)查閱與閱讀工作，對(duì)所研究?jī)?nèi)容和發(fā)展現(xiàn)狀等要有深刻的認(rèn)識(shí)。

（2）論文撰寫要沉下去、靜下心， 敢于取舍。研究生在初學(xué)撰寫、修改論文時(shí)，必須要靜下心、鉆進(jìn)去，腳踏實(shí)地一步一步鍛煉，不斷挖掘和提高理論深度。同時(shí)，要讓論文的內(nèi)容充分地“沉淀”并經(jīng)得起推敲，過(guò)濾掉“雜質(zhì)”。筆者在訪學(xué)期間，與國(guó)外學(xué)者交流，他們通常的寫作過(guò)程是，首先用一到兩個(gè)月寫出論文初稿，然后將其放置一段時(shí)間后至自己忘記稿件內(nèi)容，再次閱讀并修改稿件。這種方法被他們形象地稱為“遺忘式”寫作方法，筆者實(shí)踐過(guò)，確實(shí)行之有效。

3.行文注意豐富多變的科技詞匯運(yùn)用

學(xué)術(shù)論文通過(guò)嚴(yán)謹(jǐn)、凝練的表述來(lái)展示研究人員的理論研究成果，研究生在行文時(shí)如果英語(yǔ)基礎(chǔ)較好、寫作功底扎實(shí)，則可以運(yùn)用豐富而準(zhǔn)確的科技詞匯來(lái)組織內(nèi)容，達(dá)到錦上添花的效果。廣泛閱讀英文參考文獻(xiàn)是擴(kuò)展詞匯量和提升英文行文水平的有效手段。

三、結(jié)論

研究生的培養(yǎng)是一個(gè)反復(fù)迭代的系統(tǒng)過(guò)程，帶著研究的心態(tài)去學(xué)習(xí)理論知識(shí)、將學(xué)習(xí)的過(guò)程融入科研實(shí)踐，從而提升研究生的理論水平和鍛煉科研能力，使其具備獨(dú)立開展科研工作的能力。通過(guò)這些有針對(duì)性的培養(yǎng)措施，可以顯著提高研究生培養(yǎng)質(zhì)量，為其日后順利走上工作崗位奠定基礎(chǔ)。

參考文獻(xiàn)：

[1]黃文濤，趙學(xué)增.國(guó)外碩士研究生培養(yǎng)模式述評(píng)及啟示[J].研究生教育研究，2013（03）.

[2]季俊杰.優(yōu)秀研究生科研能力的影響因素與啟示[J].研究生教育研究，2013（02）.

[3]向 誠(chéng)，柴 毅，王東紅，等.緊貼行業(yè)需求，校企協(xié)同培養(yǎng)控制工程領(lǐng)域高層次應(yīng)用型人才[J].學(xué)位與研究生教育，2014（04）：11―15.

[4]汪 洋，高久群，汪華僑，等.香港中文大學(xué)研究生教育的特點(diǎn)及其啟示[J].學(xué)位與研究生教育，2014（06）.

[5]郭雅麗，任永泰，鄧華玲.碩士研究生課程設(shè)置研究[J].研究生教育研究，2013（15）：47―50.

篇9

關(guān)鍵詞：推薦系統(tǒng)；云計(jì)算；數(shù)據(jù)挖掘；個(gè)性化

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10，3969/J.issn.1003-6970.2013.03.001

本文著錄格式：[1]郭平，劉波，沈岳，農(nóng)業(yè)云大數(shù)據(jù)自組織推送關(guān)鍵技術(shù)綜述[J].軟件，2013，34（3）：1-6

0 引言

隨著物聯(lián)網(wǎng)、云計(jì)算、下一代互聯(lián)網(wǎng)等新一代信息技術(shù)的快速發(fā)展和信息內(nèi)容的日益增長(zhǎng)，“信息過(guò)載”問題愈來(lái)愈嚴(yán)重，推薦系統(tǒng)（recommender systems）被認(rèn)為可以有效的緩解此難題，幫助用戶從海量數(shù)據(jù)中發(fā)現(xiàn)感興趣信息，滿足個(gè)性化需求。

近年來(lái)，我國(guó)在農(nóng)業(yè)個(gè)性化知識(shí)服務(wù)服務(wù)領(lǐng)域從本體論、語(yǔ)義網(wǎng)、知識(shí)工程角度開展了廣泛的研究，成果主要體現(xiàn)在三個(gè)方面：以搜索引擎為代表的知識(shí)檢索系統(tǒng)，需回答大量預(yù)設(shè)問題進(jìn)行知識(shí)推理的專家系統(tǒng)，特定領(lǐng)域應(yīng)用系統(tǒng)，它們?cè)诟髯缘膱?chǎng)合都發(fā)揮了積極作用。然而知識(shí)檢索系統(tǒng)不能滿足用戶個(gè)性化需求，專家系統(tǒng)的應(yīng)用很難普及，特定領(lǐng)域應(yīng)用開發(fā)成本高和重用難度大。物聯(lián)網(wǎng)與數(shù)據(jù)挖掘云服務(wù)提供知識(shí)服務(wù)云實(shí)現(xiàn)物理世界的“感知控”，知識(shí)服務(wù)云的研究主要集中在制造和圖書情報(bào)領(lǐng)域，云環(huán)境下的農(nóng)業(yè)個(gè)性化知識(shí)服務(wù)的研究尚處于起步階段，主要集中在服務(wù)模式的構(gòu)建與展望。

本文是對(duì)科技部科技支撐課題“農(nóng)村農(nóng)業(yè)信息化關(guān)鍵技術(shù)集成與示范”（2011BAD21803）與“農(nóng)村物聯(lián)網(wǎng)綜合信息服務(wù)科技工程”（2012BAD35800）研究成果的總結(jié)，也是對(duì)農(nóng)業(yè)云推薦系統(tǒng)研究的升華。

1 農(nóng)業(yè)云大數(shù)據(jù)自組織區(qū)域推送的提出

1.1 農(nóng)業(yè)信息資源特點(diǎn)

我國(guó)自“十一五”時(shí)期以來(lái)，農(nóng)業(yè)農(nóng)村信息化發(fā)展取得了顯著成效，主要表現(xiàn)在農(nóng)業(yè)農(nóng)村信息化基礎(chǔ)設(shè)施不斷完善、業(yè)務(wù)應(yīng)用深入發(fā)展、物聯(lián)網(wǎng)技術(shù)在農(nóng)業(yè)中逐步推廣應(yīng)用等方面。從中央到省，市、縣建立了“三農(nóng)”綜合信息服務(wù)平臺(tái)，涉農(nóng)企業(yè)、組織和科研院所也積極搭建了各具特色的農(nóng)業(yè)信息服務(wù)平臺(tái)，目前正向鄉(xiāng)鎮(zhèn)村發(fā)展。農(nóng)村信息員隊(duì)伍及以農(nóng)業(yè)綜合信息服務(wù)站和農(nóng)業(yè)合作社為代表的農(nóng)村信息服務(wù)機(jī)構(gòu)發(fā)展迅速，“三電合一”、“農(nóng)民信箱”、“農(nóng)村熱線”等信息服務(wù)模式應(yīng)用深入。云計(jì)算利用海量的存儲(chǔ)能力把農(nóng)業(yè)信息資源形成高度集成和虛擬化的計(jì)算資源一“農(nóng)業(yè)知識(shí)聚合云”，支持用戶在任意位置、使用各種終端方便獲取信息，但由于農(nóng)業(yè)領(lǐng)域生態(tài)區(qū)域性和過(guò)程復(fù)雜性及農(nóng)業(yè)區(qū)域發(fā)展不平衡和農(nóng)民文化的多層次性也帶來(lái)了“信息過(guò)載”、“資源隱晦”“資源迷向”等問題。

1.2 農(nóng)業(yè)云環(huán)境下大數(shù)據(jù)自組織區(qū)域推送

物聯(lián)網(wǎng)和云計(jì)算背后是大數(shù)據(jù)，在云計(jì)算模式下，用戶不確定的、智能的交互，個(gè)性化需求更加多元化，信息交互行為更加頻繁；在大量用戶通過(guò)社會(huì)標(biāo)注達(dá)成共識(shí)的過(guò)程中，逐漸形成不同社區(qū)，涌現(xiàn)出群體智能，形成“農(nóng)業(yè)用戶興趣社交云”。利用云的海量存儲(chǔ)、群體涌現(xiàn)智能、強(qiáng)大的計(jì)算能力和物聯(lián)網(wǎng)感知控優(yōu)勢(shì)，可以提供面向用戶復(fù)雜分析計(jì)算，實(shí)現(xiàn)業(yè)務(wù)重點(diǎn)由面向應(yīng)用和資源的傳統(tǒng)信息服務(wù)，轉(zhuǎn)變?yōu)榛趯?duì)海量農(nóng)業(yè)知識(shí)進(jìn)行動(dòng)態(tài)劃分，有目的、主動(dòng)、定制、自組織推送給有需求的農(nóng)業(yè)用戶，為農(nóng)業(yè)用戶提供實(shí)時(shí)性、個(gè)性化知識(shí)服務(wù)，指導(dǎo)農(nóng)業(yè)生產(chǎn)過(guò)程。

首先以Hadoop+MapReduce+HBaSe分布式框架為處理平臺(tái)，對(duì)“農(nóng)業(yè)用戶興趣社交云”，融合用戶興趣偏好和社交網(wǎng)絡(luò)進(jìn)行建模，將這些多元用戶信息充分融入推送系統(tǒng)會(huì)更好產(chǎn)生推薦結(jié)果；將推薦對(duì)象“農(nóng)業(yè)知識(shí)聚合云”按農(nóng)業(yè)知識(shí)高維性、多樣性、多層次性特征分類聚類為各種知識(shí)塊靜態(tài)和動(dòng)態(tài)元數(shù)據(jù)；通過(guò)智能算法推薦和社會(huì)網(wǎng)絡(luò)推薦為用戶發(fā)現(xiàn)個(gè)性化內(nèi)容；根據(jù)用戶的地理位置、用戶服務(wù)的評(píng)價(jià)以及云基礎(chǔ)服務(wù)提供商信息將預(yù)測(cè)值最高的服務(wù)推送給用戶實(shí)現(xiàn)與物理世界的互動(dòng)（如圖1）。

從以上分析可知，農(nóng)業(yè)云大數(shù)據(jù)自組織區(qū)域推送的關(guān)鍵技術(shù)有用戶興趣模型、推薦對(duì)象模型，推薦算法、數(shù)據(jù)挖掘四個(gè)部分，以下分別對(duì)這幾項(xiàng)技術(shù)進(jìn)行論述。

1.2.1 用戶興趣模型

用戶興趣建模是個(gè)性化服務(wù)技術(shù)的基礎(chǔ)和核心，包括數(shù)據(jù)收集、模型表示、模型學(xué)習(xí)與模型更新。用戶興趣建模的方法有很多，常用的有向量空間模型、神經(jīng)網(wǎng)絡(luò)、遺傳算法、用戶一項(xiàng)目評(píng)價(jià)矩陣、基于案例的表示、基于本體論的表示、基于加權(quán)關(guān)鍵詞的表示，基于社會(huì)網(wǎng)絡(luò)的表示等。幾乎每種表示形式都是以一種私有形式進(jìn)行知識(shí)表示，此外一些表示技術(shù)還依賴于模型學(xué)習(xí)，如廣泛使用的基于向量空間模型的表示與TF-IDF學(xué)習(xí)技術(shù)聯(lián)系在一起。表示形式的私有性和對(duì)學(xué)習(xí)技術(shù)的依賴性阻礙了用戶模型在系統(tǒng)間的共享，這種共享對(duì)于減少用戶建模工作量，提高推薦算法啟動(dòng)效率具有重要意義。因此開發(fā)獨(dú)立于模型學(xué)習(xí)技術(shù)的通用用戶模型表示技術(shù)是目前研究中熱點(diǎn)，基于語(yǔ)義網(wǎng)和社交網(wǎng)絡(luò)的用戶模型在這方面表現(xiàn)了優(yōu)勢(shì)。

用戶的興趣或需求會(huì)隨時(shí)間、情景發(fā)生變化，結(jié)合長(zhǎng)期和短期興趣及興趣的變化用戶興趣建模的重點(diǎn)，目前的更新機(jī)制很難及時(shí)跟蹤用戶興趣的變化，有更好的學(xué)習(xí)效率和動(dòng)態(tài)變化適應(yīng)能力的建模是未來(lái)的重要研究方向，國(guó)內(nèi)外大量的文獻(xiàn)對(duì)此展開了研究，遺忘函數(shù)、時(shí)間窗、用戶興趣的漂移特性等被提出。

在湖南農(nóng)業(yè)云中，基于呼叫中心、互聯(lián)網(wǎng)，手機(jī)報(bào)、手機(jī)短信，電視廣播等用戶在多應(yīng)用系統(tǒng)中形成的興趣偏好和社交網(wǎng)絡(luò)特征，提出“農(nóng)業(yè)用戶興趣社交云”建模思路：以圖論模型表示用戶“興趣圖”數(shù)據(jù)和“社交圖”數(shù)據(jù)，根據(jù)經(jīng)典的局域世界演化理論，綜合考慮實(shí)際情況中用戶之間的多重關(guān)系和關(guān)系的強(qiáng)弱程度，以用戶之間相似度為節(jié)點(diǎn)連接概率因素，生成動(dòng)態(tài)多維網(wǎng)絡(luò)，進(jìn)行用戶數(shù)據(jù)的挖掘和更新；結(jié)合農(nóng)業(yè)本體，在多維社交網(wǎng)絡(luò)的基礎(chǔ)上，將基于農(nóng)業(yè)本體的區(qū)域用戶興趣融合在云計(jì)算平臺(tái)上進(jìn)行處理。

1.2.2 推薦對(duì)象模型

推薦本質(zhì)上是將推薦對(duì)象的特征與用戶的興趣偏好進(jìn)行推薦計(jì)算，所以推薦對(duì)象的描述和用戶的描述密切相關(guān)。推薦系統(tǒng)應(yīng)用不同領(lǐng)域，它推薦的對(duì)象也就各不相同，目前，湖南農(nóng)業(yè)云主要是文本性數(shù)據(jù)；不同的對(duì)象，特征也不相同，目前沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)來(lái)進(jìn)行統(tǒng)一描述，主要有基于內(nèi)容、分類、聚類的方法。

基于內(nèi)容的方法是從對(duì)象本身抽取信息表示對(duì)象，常見的是向量空間模型，使用最廣泛的是加權(quán)關(guān)鍵詞矢量方法進(jìn)行特征選取，使用TFIDF計(jì)算每個(gè)特征的權(quán)值。向量空間模型對(duì)模型中的特征詞進(jìn)行權(quán)重估計(jì)（TF-IDF）過(guò)程中不考慮特征詞之間的相關(guān)性，直接用特征詞作為維度構(gòu)建文檔向量，降低了文檔向量對(duì)文檔概念表達(dá)的準(zhǔn)確性以及對(duì)不同類型文檔的區(qū)分能力。

基于分類的方法是把推薦對(duì)象放入不同類別，把同類文檔推薦給對(duì)該類文檔感興趣的用戶。主要有兩種，一種是基于知識(shí)工程的方法，使專家的類別知識(shí)直接編碼為分類規(guī)則，正確率和召回率高，但工作量大；近期研究最多的是另一種一機(jī)器學(xué)習(xí)，根據(jù)訓(xùn)練樣本集建立分類器，方法有很多，常見的有概率分類、貝葉斯回歸分析、決策樹分類器、決策規(guī)則分類器、Rocchio分類器、神經(jīng)網(wǎng)絡(luò)分類器、支持向量機(jī)（SVM）、分類器融合、Boosting分類器、k最近鄰方法（KNN）等。

研究文本聚類的最初目的是為了提高信息檢索的查全率和查準(zhǔn)率，近年來(lái)，文本聚類用于自動(dòng)產(chǎn)生文本的多層次的類，并利用這些新生成的類對(duì)新文本進(jìn)行效率較好的歸類，已經(jīng)提出了大量的文本聚類算法。傳統(tǒng)的聚類算法在處理高維和海量文本時(shí)效率不很理想。針對(duì)這樣的問題，將聚類分析與計(jì)算智能理論，并行計(jì)算、云計(jì)算等相結(jié)合，設(shè)計(jì)出高效的并行聚類算法，己經(jīng)成為一個(gè)比較流行的研究思路。

在湖南農(nóng)業(yè)知識(shí)云數(shù)據(jù)模型中，將能更好反映特征詞相關(guān)性的超圖模型引入，將文檔中提取的特征項(xiàng)表示為圖中節(jié)點(diǎn)，特征詞條之間的關(guān)系構(gòu)成圖中邊，用邊上權(quán)值表示相關(guān)聯(lián)特征項(xiàng)之間共現(xiàn)程度。通過(guò)對(duì)文本圖模型K最近鄰劃分實(shí)現(xiàn)降維降噪的粗粒度數(shù)據(jù)切片；對(duì)切片后數(shù)據(jù)反映用戶興趣如地域、時(shí)間、訴求等多維度特征的智能聚類，實(shí)現(xiàn)細(xì)粒度的聚合與分割。

“農(nóng)業(yè)知識(shí)聚合云”模型算法建立在基于MapReduce處理的大規(guī)模圖上，得到各種知識(shí)塊靜態(tài)和動(dòng)態(tài)元數(shù)據(jù)。

1.2.3 推薦算法

推薦算法是整個(gè)推薦系統(tǒng)中核心部分，大量的論文和著作都關(guān)注了這個(gè)方面。目前，基本包括以下幾種：基于內(nèi)容過(guò)濾推薦、協(xié)同過(guò)濾推薦、基于關(guān)聯(lián)推薦、基于知識(shí)推薦、基于效用推薦、基于網(wǎng)絡(luò)結(jié)構(gòu)推薦、基于聚類推薦、基于社會(huì)網(wǎng)絡(luò)分析推薦、混合型推薦等。通過(guò)對(duì)眾多推薦算法進(jìn)行比較分析，各種算法都有優(yōu)缺點(diǎn)（如表1）：

各種推薦方法都有各自的優(yōu)缺點(diǎn)，在實(shí)際問題中采用多種策略進(jìn)行混合推薦，主要有兩種混合思路：推薦結(jié)果混合和推薦算法混合。目前大部分的推薦算法都是混合推薦算法，主要還是以協(xié)同理論為核心，再配合其他算法的優(yōu)點(diǎn)或交叉學(xué)科的理論來(lái)改善推薦的質(zhì)量。另外基于社會(huì)網(wǎng)絡(luò)個(gè)性化推薦算法研究是一個(gè)趨勢(shì)，基于社會(huì)網(wǎng)絡(luò)的推薦是協(xié)同過(guò)濾的延伸，通過(guò)考察結(jié)點(diǎn)之間（用戶和用戶之間或產(chǎn)品之間）的相關(guān)性和結(jié)點(diǎn)之間的信任度可以獲得比一般協(xié)同推薦更高推薦效果，如文獻(xiàn)提出將社會(huì)網(wǎng)絡(luò)關(guān)系結(jié)合到推薦算法中。縱觀國(guó)內(nèi)外在推薦算法上的研究，主要集中在基于用戶顯性評(píng)分?jǐn)?shù)據(jù)的協(xié)同過(guò)濾算法上，對(duì)基于非顯性評(píng)分行為數(shù)據(jù)場(chǎng)景下的研究卻顯得有點(diǎn)不足。目前在擴(kuò)展性問題上學(xué)術(shù)研究不是很具有針對(duì)性，主要集中在通過(guò)各種交叉學(xué)科中的方法來(lái)對(duì)用戶進(jìn)行聚類或?qū)π袨閿?shù)據(jù)進(jìn)行降維、壓縮等縮短推薦的項(xiàng)目集或減少計(jì)算量，從而提升算法的性能；有關(guān)基于云平臺(tái)上的推薦算法研究目前主要集中于協(xié)同過(guò)濾算法MapReduce化。而實(shí)際應(yīng)用中，己出現(xiàn)利用分布式集群解決算法擴(kuò)展性方法，如Google News的推薦算法就是部署在分布式環(huán)境下，從而滿足海量數(shù)據(jù)下的推薦服務(wù)。

根據(jù)農(nóng)業(yè)云大數(shù)據(jù)自組織區(qū)域推送實(shí)際情況將推薦結(jié)果和推薦算法混合，提出“三層推薦”策略：在豐富的知識(shí)塊云元數(shù)據(jù)基礎(chǔ)上，將知識(shí)塊屬性和用戶興趣行為基于頻繁模式的知識(shí)關(guān)聯(lián)撮合推薦；通過(guò)復(fù)雜網(wǎng)絡(luò)聚類算法識(shí)別一個(gè)用戶多個(gè)社區(qū)興趣，融合“興趣圖”和“社交圖”協(xié)同過(guò)濾推薦，突破算法推薦的局限性，讓用戶信任的朋友圈子為其發(fā)現(xiàn)和推薦內(nèi)容，取得社交推薦的時(shí)效性和算法推薦的長(zhǎng)尾性之間的互補(bǔ)，從而針對(duì)每個(gè)社區(qū)成員提供精準(zhǔn)個(gè)性化推薦；根據(jù)基礎(chǔ)設(shè)施服務(wù)供應(yīng)商、用戶所在的地理位置以及用戶對(duì)服務(wù)可用性評(píng)價(jià)值的相似性等，將大量用戶云終端聚類為一定數(shù)量的社區(qū)，提高云端推送服務(wù)的有效性，最終形成通過(guò)大眾參與，支持云間變換，集電信網(wǎng)、廣播電視網(wǎng)、互聯(lián)網(wǎng)合一的自組織區(qū)域推送，較有效地處理一般推薦算法中存在的稀疏性、冷啟動(dòng)以及大規(guī)模實(shí)時(shí)計(jì)算的問題。

1.2.4 云計(jì)算下個(gè)性化數(shù)據(jù)挖掘

數(shù)據(jù)挖掘采用了多種領(lǐng)域中的思想，包括來(lái)自統(tǒng)計(jì)學(xué)的抽樣、估計(jì)、假設(shè)檢驗(yàn)以及人工智能、模式識(shí)別和機(jī)器學(xué)習(xí)的搜索算法、建模技術(shù)和學(xué)習(xí)理論。隨著數(shù)據(jù)挖掘的不斷發(fā)展，也采用了包括最優(yōu)化、進(jìn)化計(jì)算、信息論、信號(hào)處理、可視化、信息檢索、云計(jì)算、并行計(jì)算等技術(shù)。與傳統(tǒng)的數(shù)據(jù)挖掘相比，云計(jì)算下的個(gè)性化數(shù)據(jù)挖掘的目標(biāo)，就是通過(guò)云計(jì)算中心，向用戶提供針對(duì)其即時(shí)演化需求的數(shù)據(jù)挖掘SaaS（Software as aService，軟件即服務(wù)）服務(wù)，其基礎(chǔ)問題主要為：對(duì)于用戶不同的數(shù)據(jù)挖掘需求以及針對(duì)用戶特點(diǎn)進(jìn)行個(gè)性推薦的建模和表征；數(shù)據(jù)挖掘算法適應(yīng)云計(jì)算的并行分布式化；使數(shù)據(jù)挖掘的結(jié)果和算法能夠支持云間變換并形成一種面向用戶、即時(shí)組合的、變粒度的云服務(wù)，其中數(shù)據(jù)挖掘的云服務(wù)化是研究的難點(diǎn)。

（1）云計(jì)算下個(gè)性推薦的建模和表征

云下的個(gè)性推薦建模和表征與傳統(tǒng)上個(gè)性化推薦明顯的不同在于海量異構(gòu)大數(shù)據(jù)和用戶間群體涌現(xiàn)的社交網(wǎng)絡(luò)，它們本質(zhì)上形成了多個(gè)頂點(diǎn)的大規(guī)模圖。云計(jì)算可以為大規(guī)模個(gè)性化提供技術(shù)支撐，云服務(wù)本身也有大規(guī)模個(gè)性化定制應(yīng)用需求，目前研究?jī)烧呓Y(jié)合的文獻(xiàn)還很少，張澤華從計(jì)算資源的角度基于復(fù)雜系統(tǒng)理論對(duì)云計(jì)算聯(lián)盟體系結(jié)構(gòu)進(jìn)行建模，并基于蟻群優(yōu)化算法和復(fù)雜系統(tǒng)理論進(jìn)行了負(fù)載均衡研究；郭昱就有效處理客戶需求信息該如何選擇與分布云計(jì)算平臺(tái)中的關(guān)鍵節(jié)點(diǎn)問題，提出了基于云計(jì)算的大規(guī)模定制客戶需求模型。趙東杰對(duì)復(fù)雜網(wǎng)絡(luò)、數(shù)據(jù)挖掘與群體智能有效結(jié)合進(jìn)行了探索研究。農(nóng)業(yè)云大數(shù)據(jù)自組織推送通過(guò)“農(nóng)業(yè)知識(shí)聚合云”分解的靜態(tài)、動(dòng)態(tài)知識(shí)元數(shù)據(jù)和“農(nóng)業(yè)用戶興趣社交云”形成的興趣圖、社交圖基于用戶行為和知識(shí)元數(shù)據(jù)的關(guān)聯(lián)撮合，通過(guò)人工智能和社交圈子幫助用戶發(fā)現(xiàn)內(nèi)容，實(shí)現(xiàn)搜索和推薦的無(wú)縫結(jié)合，為智能個(gè)性化推薦實(shí)現(xiàn)“內(nèi)容找人”愿景。

（2）算法并行分布式與高性能計(jì)算

對(duì)于大規(guī)模數(shù)據(jù)的處理，典型系統(tǒng)結(jié)構(gòu)大致分為三類：基于MapReduce模型的分布式并行處理系統(tǒng)、基于BSP模型的分布式并行處理系統(tǒng)和分布式圖數(shù)據(jù)庫(kù)系統(tǒng)。數(shù)據(jù)挖掘算法現(xiàn)在的發(fā)展趨勢(shì)是基于云計(jì)算的并行數(shù)據(jù)挖掘，它的同一個(gè)算法可以分布在多個(gè)節(jié)點(diǎn)上，多個(gè)算法之間是并行的，多個(gè)資源實(shí)行按需分配，而且分布式計(jì)算模型采用云計(jì)算模式，數(shù)據(jù)用DFS或者HBASE，編程模式采用MapReduce這種方式。Bhaduri等整理了一個(gè)十分詳盡的并行數(shù)據(jù)挖掘算法文獻(xiàn)目錄，包含了關(guān)聯(lián)規(guī)則學(xué)習(xí)、分類、聚類、流數(shù)據(jù)挖掘四大類分布式數(shù)據(jù)挖掘算法，同時(shí)還包括分布式系統(tǒng)、隱私保護(hù)等相關(guān)的研究工作。

2 基于云計(jì)算推薦系統(tǒng)研究的重點(diǎn)、難點(diǎn)與熱點(diǎn)

2.1 云環(huán)境下用戶偏好獲取安全與可信問題

推薦系統(tǒng)中，用戶數(shù)據(jù)集的數(shù)量和質(zhì)量問題，影響用戶模型的精確度、可用性，導(dǎo)致問題的根本原因在于用戶對(duì)隱私和安全的考慮。而云環(huán)境下，數(shù)據(jù)的安全與隱私是用戶非常關(guān)心的問題。既能得到準(zhǔn)確用戶信息而提高推薦系統(tǒng)性能，又能有效保護(hù)用戶信息同時(shí)檢測(cè)并能預(yù)防推薦攻擊（一些不法的用戶為了提高或降低某些對(duì)象的推薦概率，惡意捏造用戶評(píng)分?jǐn)?shù)據(jù)而達(dá)到目的）將是未來(lái)推薦系統(tǒng)的一個(gè)重要研究方向。

2.2 模型過(guò)擬合問題

過(guò)擬合現(xiàn)象是指系統(tǒng)推薦給用戶的對(duì)象與用戶剛剛看過(guò)的不是太相似或者太不相關(guān)。過(guò)擬合（過(guò)學(xué)習(xí)）的問題本質(zhì)上來(lái)自于數(shù)據(jù)的不完備性，這在實(shí)際應(yīng)用中是無(wú)法完全避免的。在于興趣偏好獲取方式或隱私等原因使用戶沒有對(duì)足夠多類別的對(duì)象進(jìn)行評(píng)價(jià)。目前解決的主要方法是引入隨機(jī)性，使推薦算法收斂到全局最優(yōu)或者逼近全局最優(yōu)，關(guān)于既要保證推薦的多樣性，又不能與用戶看過(guò)的對(duì)象重復(fù)或毫不相關(guān)這一問題的研究是推薦系統(tǒng)研究的一個(gè)難點(diǎn)和重點(diǎn)。

2.3 稀疏性與冷啟動(dòng)問題

稀疏性和冷啟動(dòng)問題困擾推薦系統(tǒng)很長(zhǎng)時(shí)間了，前者的解決辦法主要過(guò)濾和降維。目前針對(duì)冷啟動(dòng)問題提出了一些解決方法，主要分為兩大方面，一是直接利用傳統(tǒng)協(xié)同過(guò)濾的評(píng)分?jǐn)?shù)據(jù)結(jié)合特定的方法進(jìn)行解決，二是新用戶或新項(xiàng)目的內(nèi)容屬性信息與傳統(tǒng)的協(xié)同過(guò)濾評(píng)分?jǐn)?shù)據(jù)相結(jié)合的方法進(jìn)行改善冷啟動(dòng)問題。稀疏性與冷啟動(dòng)問題一直是推薦系統(tǒng)研究的一個(gè)難點(diǎn)和重點(diǎn)。

2.4 數(shù)據(jù)挖掘的結(jié)果和算法智能服務(wù)化

將數(shù)據(jù)挖掘算法融入針對(duì)海量用戶的使用記錄和計(jì)算資源間協(xié)作進(jìn)行優(yōu)化組合，利用這些特性通過(guò)大眾參與的交互作用，提高云間服務(wù)的智能性、有效性將是大數(shù)據(jù)時(shí)代推薦系統(tǒng)研究的一個(gè)制高點(diǎn)。將數(shù)據(jù)挖掘任務(wù)及其實(shí)現(xiàn)算法服務(wù)化，通過(guò)SaaS方式向云計(jì)算中心索取所需的相應(yīng)的數(shù)據(jù)挖掘，這可能是目前突破數(shù)據(jù)挖掘?qū)Ｓ密浖褂瞄T檻過(guò)高、普通大眾難以觸及、企業(yè)用戶使用成本太大、挖掘算法和結(jié)果難以實(shí)時(shí)得到評(píng)價(jià)和相應(yīng)修改等問題的最有希望的解決方案之一，也是數(shù)據(jù)挖掘走向互聯(lián)網(wǎng)大眾、走向?qū)嵱没闹匾囊徊健?/p>

2.5 大數(shù)據(jù)處理與增量計(jì)算問題

目前對(duì)大數(shù)據(jù)的研究仍處于一個(gè)非常初步的階段，半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)給傳統(tǒng)的數(shù)據(jù)分析帶來(lái)巨大挑戰(zhàn)，尤其算法如何快速高效地處理推薦系統(tǒng)海量和稀疏的數(shù)據(jù)成為迫在眉睫的問題。當(dāng)產(chǎn)生新的數(shù)據(jù)時(shí)，算法的結(jié)果不需要在整個(gè)數(shù)據(jù)集上重新進(jìn)行計(jì)算，而只需考慮增量部分，對(duì)原有的結(jié)果進(jìn)行微調(diào)，快速得到準(zhǔn)確的新結(jié)果，是增量計(jì)算的理想狀態(tài)。但一般而言，隨著信息量的增多，算法的誤差會(huì)累積變大，最終每過(guò)一段時(shí)間還是需要利用全局?jǐn)?shù)據(jù)重新進(jìn)行計(jì)算。一個(gè)特別困難的挑戰(zhàn)是如何設(shè)計(jì)一種能夠保證其誤差不會(huì)累積的算法，也就是說(shuō)其結(jié)果與利用全部數(shù)據(jù)重新計(jì)算的結(jié)果之間的差異不會(huì)單調(diào)上升，要達(dá)到這種程度，還有很長(zhǎng)的路要走。

結(jié)束語(yǔ)：

隨著新一代信息技術(shù)的快速發(fā)展和信息內(nèi)容的日益增長(zhǎng)，搭載在云計(jì)算平臺(tái)的自組織區(qū)域推送具有它天然的優(yōu)勢(shì)：云的海量存儲(chǔ)使得推薦系統(tǒng)能有效獲取訓(xùn)練數(shù)據(jù)；云的分布式計(jì)算能力提供了較高的響應(yīng)能力；海量用戶的使用記錄和計(jì)算資源問大眾參與的交互涌現(xiàn)，最終形成自組織優(yōu)化組合的智能個(gè)性化云推送。因此，農(nóng)業(yè)云自組織區(qū)域推送具有重要的研究意義和廣闊的應(yīng)用前景，對(duì)云環(huán)境下其他領(lǐng)域的個(gè)性化推送應(yīng)用具有借鑒意義，但目前存在大量問題需要進(jìn)行深入細(xì)致的研究。

參考文獻(xiàn)

[1]孟祥武，胡勛，王立才，張玉潔，移動(dòng)推薦系統(tǒng)及其應(yīng)用[J]，軟件學(xué)報(bào)，2013，24（1）：91-108

[2]楊濤，基于本體的農(nóng)業(yè)領(lǐng)域知識(shí)服務(wù)若干關(guān)鍵技術(shù)研究[D]，上海：復(fù)旦大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院博士論文，2011，1-50

[3]楊曉蓉，分布式農(nóng)業(yè)科技信息共享關(guān)鍵技術(shù)研究與應(yīng)用[D]，北京：中國(guó)農(nóng)業(yè)科學(xué)院博士學(xué)位論文，2011，3-35

[4]趙春江，農(nóng)業(yè)智能系統(tǒng)[M]，北京：科學(xué)出版社，2009，1-210，

[5]何清，物聯(lián)網(wǎng)與數(shù)據(jù)挖掘云服務(wù)[J]，智能系統(tǒng)學(xué)報(bào)，2012，7（3）：1-5，

[6]黃衛(wèi)東，于瑞強(qiáng)，共享學(xué)習(xí)模式下知識(shí)服務(wù)云平臺(tái)的構(gòu)建研究[J]，電信科學(xué)，2011，12：6-11

[7]丁靜，楊善林，羅賀，丁帥，云計(jì)算環(huán)境下的數(shù)據(jù)挖掘服務(wù)模式[J]，計(jì)算機(jī)科學(xué)，2012，39（6）：217-219，237

[8]鄧仲華，錢劍紅，陸穎雋，國(guó)內(nèi)圖書情報(bào)領(lǐng)域云計(jì)算研究分析[J]，信息資源管理學(xué)報(bào)，2012，2：10-16

[9]胡安瑞，張霖，陶飛，羅永亮，基于知識(shí)的云制造資源服務(wù)管理[J]同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，40（7）：1093-1101

[10]程功勛，劉麗蘭，林智奇，俞濤，面向用戶偏好的智能云服務(wù)平臺(tái)研究[J]，中國(guó)機(jī)械工程，2012，23（11）：1318-1323，1336

[11]劉波，方逵，沈岳，可重構(gòu)的農(nóng)業(yè)知識(shí)服務(wù)模式研究[J]農(nóng)機(jī)化研究，2011，36（11）：66-70

[12]趙星，廖桂平，史曉慧，陳誠(chéng)，李文圃，物聯(lián)網(wǎng)與云計(jì)算環(huán)境下的農(nóng)業(yè)信息服務(wù)模式構(gòu)建[J]，農(nóng)機(jī)化研究，2012，4：142-147

[13]郭永田，中國(guó)農(nóng)業(yè)農(nóng)村信息化發(fā)展成效與展望[J]，電子政務(wù)，2012，02-03：99-106

[14]李道亮，中國(guó)農(nóng)業(yè)農(nóng)村信息化發(fā)展報(bào)告（2011）[M]，北京：電子工業(yè)出版，2012，87-150

[15]錢平，鄭業(yè)魯，農(nóng)業(yè)木體論研究與應(yīng)用[M]，北京：中國(guó)農(nóng)業(yè)科學(xué)技術(shù)出版社，2006，1-100

[16]吳麗花，劉魯，個(gè)性化推薦系統(tǒng)用戶建模技術(shù)綜述[J]，情報(bào)學(xué)報(bào)，2006，25（2）：55-62

[17]李珊，個(gè)性化服務(wù)中用戶興趣建模與更新研究[J]，情報(bào)學(xué)報(bào)，2010，29（1）：67-71

[18]王國(guó)霞，劉賀平，個(gè)性化推薦系統(tǒng)綜述[J]，計(jì)算機(jī)工程與應(yīng)用，2012，48（7）：66-76

[19]王巧容，趙海燕，曹健，個(gè)性化服務(wù)中的用戶建模技術(shù)[J]，小型微型計(jì)算機(jī)系統(tǒng)，2011，32（1）：39-46

軟件雜志歡迎推薦投稿：http：///

[20]張華清，動(dòng)態(tài)多維社會(huì)網(wǎng)絡(luò)中個(gè)性化推薦方法研究[D]，濟(jì)南：山東師范大學(xué)碩士學(xué)位論文，2012，16-31

[21]丹，面向跨系統(tǒng)個(gè)性化服務(wù)的用戶建模方法研究[J]_情報(bào)雜志，2012，31（6）：156-161

[22]鄧夏瑋，基于社交網(wǎng)絡(luò)的用戶行為研究[D]，北京：北京交通大學(xué)碩士學(xué)位論文，2012，4-43

[23]馬堯，基于多維用戶特征建模的個(gè)性化社交搜索引擎的設(shè)計(jì)與實(shí)現(xiàn)[D]，廣州：華南理工大學(xué)碩士學(xué)位論文，2012，12-55

[24]陳恩紅，徐童，田繼雷，楊禹，移動(dòng)情景感知的個(gè)性化推薦技術(shù)[J]，中國(guó)計(jì)算機(jī)學(xué)會(huì)通訊，2013，9（3）：19-24

[25]Jong Hwa Kima，b，，Hyun JoonLeeb，Extraction of user profile based on workflow and information flow[J]，Expert Systems with Applications，2012，39（5）：5478-5487

[26]南智敏，錢松榮，引入漂移特性的用戶興趣模型優(yōu)化研究[J]，微型電腦應(yīng)用，2012，28（3）：30-32

[27]郭新明，弋改珍，混合模型的用戶興趣漂移算法[J]，智能系統(tǒng)學(xué)報(bào)，2010，5（2）：181-184

[28]程顯毅，朱倩，文本挖掘原理[M]，北京：科學(xué)出版社，2010，9-45 [29]李濤，推薦系統(tǒng)中若干關(guān)鍵問題研究[D]，南京：南京航空航天大學(xué)博士學(xué)位論文，2009，31-80

[30]姜倫，模糊聚類算法及其在中文文本聚類中的研究與實(shí)現(xiàn)[D]，哈爾濱：哈爾濱理工大學(xué)碩士學(xué)位論文，2010，18-48

[31]馮汝偉，謝強(qiáng)，丁秋林，基于文本聚類與分布式Lucene的知識(shí)檢索[J]，計(jì)算機(jī)應(yīng)用，2013，33（1）：186-188

[32]陶紅，周永梅，高尚，一種基于語(yǔ)義相似度的群智能文本聚類的新方法[J]計(jì)算機(jī)應(yīng)用研究，2012，29（2）：482-532

[33]孟海東，劉小榮，基于聚類分析的圖模型文檔分類[J]計(jì)算機(jī)應(yīng)用與軟件，2012，29（1）：117-174，229

[34]饒君，張仁波，東呈曉，吳斌，基于MapReduce的大規(guī)模圖挖掘并行計(jì)算模型[J]，應(yīng)用科技，2012，39（3）：56-60

[35]于戈，谷峪，鮑玉斌，王志剛，云計(jì)算環(huán)境下的大規(guī)模圖數(shù)據(jù)處理技術(shù)[J]，計(jì)算機(jī)學(xué)報(bào)，2011，34（10）：1753-1767

[36]呂善國(guó)，吳效葵，曹義親，基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法[J]_實(shí)驗(yàn)室研究與探索，2012，31（7）：278-280，368

[37]周佳，羅鐵堅(jiān)，一種基于內(nèi)容關(guān)聯(lián)的學(xué)術(shù)資源協(xié)同推薦算法[J]，中國(guó)科學(xué)院研究生院學(xué)報(bào)，2013，30（1）：117-123

[38]唐曉波，張昭，基于混合圖的在線社交網(wǎng)絡(luò)個(gè)性化推薦系統(tǒng)研究[J]情報(bào)理論與實(shí)踐，2013，36（2）：91-95

[39]王立才，孟祥武，張玉潔，上下文感知推薦系統(tǒng)[J]，軟件學(xué)報(bào)，2012，23（1）：1-20

[40]劉建國(guó)，周濤，汪秉宏，個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J]，自然科學(xué)通報(bào)，2009，19（1）：1-15

[41]許海玲，吳瀟，李曉東，閻保平，互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J]軟件學(xué)報(bào)，2009，20（2）：350-362

[42]孫冬婷，何濤，張福海，推薦系統(tǒng)中的冷啟動(dòng)問題研究綜述[J]，計(jì)算機(jī)與現(xiàn)代化，2012，5：59-63

[43]張亮，基于聚類技術(shù)的推薦算法研究[D]，成都：電子科技大學(xué)碩士學(xué)位論文，2012，7-18

[44]Liu， F.，Lee， H.J. Use of social network information to enhance collaborative filterinperformance.Expert[J] Systems with Applications. 2010， 37（7）：4772-4778.

[45]Jiang， J.， Lu， J.， Zhang， G.， Long， G. Scaling- Up Item-Based CollaborativeFiltering Recommendation Algorithm Based on Hadoop[C].2011 IEEE World Congress onServices.IEEE[A]. 2011， 490-497.

[46]周源，基于云計(jì)算的推薦算法研究[D]，成都：電子科技大學(xué)碩士學(xué)位論文，2012，26-64

[47]呂雪驥，基于云計(jì)算平臺(tái)的智能推薦系統(tǒng)研究[D]，合肥：安徽大學(xué)碩士學(xué)位論文，2012，25-43

[48]劉晨，改進(jìn)的聚類挖掘算法對(duì)網(wǎng)絡(luò)自助出版“長(zhǎng)尾”文本的推薦應(yīng)用[D]，上海：復(fù)旦大學(xué)碩士學(xué)位論文，2011，10-19

[49]陳桂生，張海粟，劉玉超，云計(jì)算下的個(gè)性化數(shù)據(jù)挖掘服務(wù)[EB/OL]，[2011-2-28]中國(guó)人工智能學(xué)會(huì)通訊，http：//www，/contents/50/119，html

[50]張澤華，云計(jì)算聯(lián)盟建模及實(shí)現(xiàn)的關(guān)鍵技術(shù)研究[D]，昆明：云南大學(xué)博士學(xué)位論文，2012，26-114

[51]郭昱，吳清烈，基于云計(jì)算的大規(guī)模定制客戶需求響應(yīng)模型及其節(jié)點(diǎn)的選擇與分布[J]，系統(tǒng)工程理論與實(shí)踐，2011，31（增刊2）：1-6

[52]趙東杰，張海粟，韓言妮，楊海濤，何宇，基于網(wǎng)絡(luò)化數(shù)據(jù)挖掘的群體智能研究方法[C]，Proceedings of 2010 The 3rdInternational Conference on Computational Intelligence andIndustrial Application（Volume 9）.IEEE[A].2010，239-243.

[53]AnandRajaraman，Jeffrey David Ullman著，王斌譯，互聯(lián)網(wǎng)大規(guī)模數(shù)據(jù)挖掘與分布式處理[M]，北京：人民郵電出版社，2012，1-253

[54]Bhaduri K， Das K， Liu Kun， et al. Distributed data mining bibliography[EB/OL]. [2011-01-03]. http：// cs. umbc. edu/～hillol/DDMBIB/

[55]楊健，汪海航，王劍，俞定國(guó)，云計(jì)算安全問題研究綜述[J]，小型微型計(jì)算機(jī)系統(tǒng)，2012，33（3）：472-479

篇10

關(guān)鍵詞：數(shù)據(jù)挖掘 客戶關(guān)系管理 企業(yè)發(fā)展

企業(yè)管理中客戶關(guān)系的管理必不可少，并且良好的管理有利于企業(yè)發(fā)展，有利于企業(yè)獲取更大的財(cái)富，有利于企業(yè)實(shí)現(xiàn)自己的價(jià)值，所以保障對(duì)企業(yè)客戶關(guān)系的管理。數(shù)據(jù)挖掘技術(shù)就是一個(gè)可以幫助企業(yè)對(duì)客戶關(guān)系進(jìn)行有效的管理的工具。

一、數(shù)據(jù)挖掘和客戶關(guān)系管理含義

數(shù)據(jù)挖掘技術(shù)（Data Mining可以簡(jiǎn)稱為DM），簡(jiǎn)單來(lái)說(shuō)，就是一種把隱藏在大型數(shù)據(jù)庫(kù)或者數(shù)據(jù)倉(cāng)庫(kù)中所需要的有用信息提取出來(lái)的新技術(shù)，這是一個(gè)對(duì)數(shù)據(jù)庫(kù)進(jìn)行研究的非常有價(jià)值的領(lǐng)域。數(shù)據(jù)挖掘技術(shù)可以幫助用戶從數(shù)據(jù)庫(kù)中準(zhǔn)確的提取出有用的商業(yè)信息，為用戶在進(jìn)行決策時(shí)提供重要的支持。

客戶關(guān)系管理（Customer Relationship Management可以簡(jiǎn)稱為CRM），也有人稱之為“顧客關(guān)系管理”，關(guān)于客戶關(guān)系管理的定義，目前有兩種說(shuō)法：一，最早的Gartner Group定義為一種商業(yè)策略，就是把客戶進(jìn)行分類，并依據(jù)分類情況來(lái)對(duì)企業(yè)的資源進(jìn)行有效的組織，進(jìn)而企業(yè)的業(yè)務(wù)流程實(shí)施以及經(jīng)營(yíng)活動(dòng)都要以客戶為核心來(lái)進(jìn)行，以此來(lái)提高企業(yè)的盈利能力以及客戶滿意度，取得最大利潤(rùn)；二、是由CRMguru．com給出的定義，客戶關(guān)系管理就是一個(gè)在企業(yè)的營(yíng)銷、銷售以及服務(wù)的業(yè)務(wù)范圍內(nèi)，把企業(yè)現(xiàn)有的客戶以及潛在客戶，還有業(yè)務(wù)伙伴多渠道進(jìn)行管理的過(guò)程，或者說(shuō)技術(shù)。

二、數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用

隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展，市場(chǎng)競(jìng)爭(zhēng)力也在逐步的增大，商家想要獲得最好的利益，就必須對(duì)市場(chǎng)的變化迅速的做出反應(yīng)，能夠引起市場(chǎng)變化的重要因素就是客戶需求的變化，也就是說(shuō)，企業(yè)必須集中注意力，觀察客戶需求的每一變化，并把這些資料收集在一起，作為企業(yè)發(fā)展的寶貴資源進(jìn)行管理。在企業(yè)管理客戶信息的過(guò)程中，就需要應(yīng)用到了數(shù)據(jù)挖掘技術(shù)。

數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理中的應(yīng)用過(guò)程中，主要方法有：神經(jīng)網(wǎng)絡(luò)法、遺傳算法、決策樹法、粗糙決算法以及可視化技術(shù)、K—最近鄰技術(shù)等，每個(gè)公司的客戶關(guān)系不同、需求也不同，所以要用到的方法也不同。

數(shù)據(jù)挖掘技術(shù)主要應(yīng)用于客戶關(guān)系管理中的這幾個(gè)方面：（1）挖掘新客戶，數(shù)據(jù)挖掘技術(shù)可以對(duì)現(xiàn)有的客戶信息和市場(chǎng)環(huán)境進(jìn)行統(tǒng)計(jì)總結(jié)以及歸納，準(zhǔn)確的確定潛在客戶以及市場(chǎng)目標(biāo)。因?yàn)閿?shù)據(jù)挖掘技術(shù)具有統(tǒng)計(jì)、聚類和關(guān)聯(lián)的作用，比如說(shuō)，數(shù)據(jù)挖掘技術(shù)在數(shù)據(jù)庫(kù)中發(fā)現(xiàn)了這樣一個(gè)信息“某客戶在購(gòu)買A商品之后，過(guò)了一段時(shí)間又購(gòu)買了B商品，最后還購(gòu)買了C商品”那么數(shù)據(jù)挖掘技術(shù)就會(huì)通過(guò)次序關(guān)聯(lián)，把這個(gè)信息形成“A—B—C”的行為模式。（2）可以保持優(yōu)質(zhì)客戶?，F(xiàn)在社會(huì)競(jìng)爭(zhēng)相當(dāng)激烈，企業(yè)客戶更是企業(yè)發(fā)展的重要因素，優(yōu)質(zhì)客戶對(duì)每個(gè)企業(yè)來(lái)說(shuō)就更加的重要。數(shù)據(jù)挖掘技術(shù)可以對(duì)數(shù)據(jù)庫(kù)中的流失客戶信息進(jìn)行分析，并且對(duì)流失客戶的特征進(jìn)行準(zhǔn)確的描述，然后利用關(guān)聯(lián)、近鄰的方式對(duì)整個(gè)數(shù)據(jù)庫(kù)中的消費(fèi)客戶信息進(jìn)行分析，分析出容易流失的客戶，隨后就需要采取相應(yīng)的措施來(lái)減少這些客戶的流失，尤其是那些可能流失的優(yōu)質(zhì)客戶，更要采取有力的措施來(lái)進(jìn)行挽留。（3）可以提升客戶價(jià)值。目前提升現(xiàn)有客戶的價(jià)值的方式有兩個(gè)：一是提供特色服務(wù)或者產(chǎn)品；二是銷售新產(chǎn)品或者服務(wù)。想要準(zhǔn)確的提升客戶價(jià)值，就需要數(shù)據(jù)挖掘技術(shù)的幫助了，他可以把之前的客戶信息研究分析，并依據(jù)新產(chǎn)品或者服務(wù)的特征，發(fā)現(xiàn)和客戶的已購(gòu)買產(chǎn)品之間的關(guān)聯(lián)，因而準(zhǔn)確的找到具有最大購(gòu)買趨勢(shì)的客戶。

三、加強(qiáng)客戶關(guān)系管理中數(shù)據(jù)挖掘的意義

應(yīng)用數(shù)據(jù)挖掘技術(shù)對(duì)客戶關(guān)系進(jìn)行管理，可以有效的提高企業(yè)的核心競(jìng)爭(zhēng)力，現(xiàn)代社會(huì)的激烈競(jìng)爭(zhēng)，也就是對(duì)客戶的競(jìng)爭(zhēng)，數(shù)據(jù)挖掘技術(shù)對(duì)企業(yè)的客戶關(guān)系進(jìn)行詳細(xì)的分析，并為企業(yè)提供有價(jià)值的商業(yè)信息，為企業(yè)的重大決策提供了重要的參考依據(jù)，進(jìn)而有力的提高了企業(yè)的核心競(jìng)爭(zhēng)力；可以有力的增強(qiáng)企業(yè)的執(zhí)行力，利用信息技術(shù)對(duì)客戶關(guān)系進(jìn)行管理，降低成本，并簡(jiǎn)化執(zhí)行任務(wù)，有效的實(shí)現(xiàn)了資源共享，大力的提高了企業(yè)的自動(dòng)化水平，企業(yè)職工的執(zhí)行能力也進(jìn)一步得到了提高，也就是增強(qiáng)了企業(yè)的執(zhí)行力[3]；可以為企業(yè)的下一步戰(zhàn)略發(fā)展提供幫助，數(shù)據(jù)挖掘技術(shù)對(duì)現(xiàn)今的市場(chǎng)環(huán)境進(jìn)行分析，可以預(yù)測(cè)到每個(gè)業(yè)務(wù)的發(fā)展?fàn)顟B(tài)，以及每個(gè)業(yè)務(wù)與發(fā)生過(guò)的商業(yè)行為之間的關(guān)系，有了這些信息，可以準(zhǔn)確的制定企業(yè)未來(lái)的發(fā)展戰(zhàn)略，并且可以制定與市場(chǎng)環(huán)境相適應(yīng)的營(yíng)銷策略。

綜上所述，目前數(shù)據(jù)挖掘技術(shù)是企業(yè)進(jìn)行客戶關(guān)系管理的最有效的工具，準(zhǔn)確的掌握了客戶信息，就是準(zhǔn)確的把握了市場(chǎng)需求，可以為企業(yè)制定完全適應(yīng)于市場(chǎng)的發(fā)展方向。數(shù)據(jù)挖掘技術(shù)的關(guān)鍵作用就是找出潛在客戶，保留忠誠(chéng)客戶，并利用企業(yè)有限的資源，對(duì)這些客戶提供最好的服務(wù)，促進(jìn)企業(yè)的不斷發(fā)展。

參考文獻(xiàn)：

[1]張榮耀.基于數(shù)據(jù)挖掘的客戶關(guān)系管理研究[D].武漢理工大學(xué), 碩士學(xué)位論文,2004,11