前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇數(shù)據(jù)挖掘總結(jié)范文，相信會(huì)為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

數(shù)據(jù)挖掘總結(jié)范文第1篇

隨著我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展，旅游業(yè)已經(jīng)成為促進(jìn)經(jīng)濟(jì)增長(zhǎng)方式轉(zhuǎn)變的重要產(chǎn)業(yè)， 旅游業(yè)是現(xiàn)代服務(wù)業(yè)的龍頭產(chǎn)業(yè)，旅游信息的分析處理與應(yīng)用對(duì)于旅游業(yè)建設(shè)來說至關(guān)重要。旅游業(yè)的發(fā)展需要大量旅游數(shù)據(jù)的支撐，但是，傳統(tǒng)手工方式處理數(shù)據(jù)，難以發(fā)現(xiàn)數(shù)據(jù)的價(jià)值，海量旅游數(shù)據(jù)往往沒有被充分利用，而數(shù)據(jù)挖掘技術(shù)則為旅游數(shù)據(jù)的高校利用創(chuàng)造了條件，提供了可能。對(duì)旅游業(yè)海量數(shù)據(jù)進(jìn)行挖掘、分析、預(yù)測(cè)，提出相應(yīng)的解決方案，研究意義重大。

一、旅游業(yè)數(shù)據(jù)挖掘國(guó)內(nèi)外研究現(xiàn)狀

隨著我國(guó)的旅游業(yè)的迅猛發(fā)展，旅游產(chǎn)業(yè)正邁向國(guó)際化的軌道，傳統(tǒng)旅游業(yè)積累的海量數(shù)據(jù)，沒有被有效利用，資源被極大浪費(fèi)。將數(shù)據(jù)挖掘引入到旅游產(chǎn)業(yè)是大勢(shì)所趨。

當(dāng)前數(shù)據(jù)挖掘在旅游信息化建設(shè)中的應(yīng)用與研究情況主要集中在高校理論界的研究， 大多數(shù)研究?jī)H僅是學(xué)術(shù)研究，真正運(yùn)用到旅游行業(yè)的文章多是從某個(gè)具體的方面出發(fā)，針對(duì)個(gè)別應(yīng)用進(jìn)行數(shù)據(jù)挖掘的融合。筆者主要研究決策樹方法在旅游信息化建設(shè)中的應(yīng)用。目前，決策樹算法有CLS算法、ID3算法、C4.5算法、CART算法、SLIQ算法、Z統(tǒng)計(jì)算法、并行決策樹算法和SPRINT算法等。不同算法在執(zhí)行效率、輸出結(jié)果、可擴(kuò)容性、可理解性、預(yù)測(cè)的準(zhǔn)確性等方面各不相同?？偟膩碚f，這么多決策樹算法各有優(yōu)缺點(diǎn)，真正將數(shù)據(jù)挖掘運(yùn)用到整個(gè)旅游信息化建設(shè)中還有很多問題需要解決。

二、旅游業(yè)數(shù)據(jù)挖掘算法選擇

數(shù)據(jù)挖掘中常用的基本分類算法有決策樹、貝葉斯、基于規(guī)則的算法等等。

其中，決策樹是目前主流的分類技術(shù)，己經(jīng)成功的應(yīng)用于更多行業(yè)的數(shù)據(jù)分析。在關(guān)聯(lián)規(guī)則挖掘研究中，最重要的是Apriori算法，這個(gè)算法后來成為絕大多數(shù)關(guān)聯(lián)規(guī)則分類的基礎(chǔ)。聚類算法也是數(shù)據(jù)挖掘技術(shù)中極為重要的組成部分。與分類技術(shù)不同的是，聚類不要求對(duì)數(shù)據(jù)進(jìn)行事先標(biāo)定，就數(shù)據(jù)挖掘功能而言，聚類能夠可以針對(duì)數(shù)據(jù)的相異度來分析評(píng)估數(shù)據(jù)，可以作為其他對(duì)發(fā)現(xiàn)的簇運(yùn)行的數(shù)據(jù)挖掘算法的預(yù)處理步驟。

各種算法分類模型建立有所不同，但原理是大致相同的。筆者考慮決策樹算法結(jié)構(gòu)簡(jiǎn)單，便于理解，且很擅長(zhǎng)處理非數(shù)值型數(shù)據(jù)，建模效率高，分類速度快，特別適合大規(guī)模的數(shù)據(jù)處理的優(yōu)點(diǎn)，結(jié)合旅游產(chǎn)業(yè)數(shù)據(jù)特點(diǎn)，故作重點(diǎn)分析。

三、旅游業(yè)數(shù)據(jù)挖掘系統(tǒng)需求分析

旅游業(yè)數(shù)據(jù)挖掘系統(tǒng)的基本特點(diǎn)如下：統(tǒng)計(jì)旅游興趣；購(gòu)物消費(fèi)趨向；推薦其感興趣的旅游景點(diǎn)；在后臺(tái)管理中，通過決策樹算法對(duì)游客數(shù)量、平均年齡、景點(diǎn)收費(fèi)、游客來自地區(qū)等進(jìn)行分析總結(jié)，為旅游消費(fèi)者和旅游管理者提供服務(wù)：為消費(fèi)者提供吃住行購(gòu)?qiáng)蕵诽鞖飧鞣矫嫘畔⒉樵?、機(jī)票、車船票、酒店、景區(qū)門票、餐飲等方面的預(yù)定與現(xiàn)金支付、第三方支付、消費(fèi)者評(píng)價(jià)、在線咨詢等方面的便利、快捷服務(wù)。為管理者提供推薦、游客管理、線路管理、景點(diǎn)管理、特色服務(wù)管理、機(jī)票管理、在線咨詢管理、旅游客戶關(guān)系管理等服務(wù)，提高整體服務(wù)效率和水平。

四、旅游業(yè)數(shù)據(jù)挖掘系統(tǒng)的實(shí)現(xiàn)

旅游業(yè)信息管理系統(tǒng)包括游客信息管理與游客信息分析兩個(gè)子模塊。根據(jù)系統(tǒng)日常運(yùn)行出現(xiàn)的問題及時(shí)對(duì)系統(tǒng)進(jìn)行維護(hù)，如添加或者刪除某個(gè)模塊功能，系統(tǒng)整體運(yùn)行速度的更近等。系統(tǒng)運(yùn)用數(shù)據(jù)庫層、持久化層、業(yè)務(wù)邏輯層、表示層四層體系結(jié)構(gòu)， 主要利用ID3算法達(dá)到旅游數(shù)據(jù)信息的快速、準(zhǔn)確分類。考慮了游客與酒店之間的關(guān)系、游客與旅游路線之間的關(guān)系、游客與旅游景點(diǎn)之間的關(guān)系、游客與機(jī)票、車票之間的關(guān)系、管理員與游客之間的關(guān)系、邏輯結(jié)構(gòu)設(shè)計(jì)。程序之間的獨(dú)立性增加，易于擴(kuò)展， 規(guī)范化得到保證的同時(shí)提高了系統(tǒng)的安全性。

詳細(xì)功能設(shè)計(jì)包括：用戶登錄、用戶查詢、預(yù)定及支付、后臺(tái)管理、旅游客戶管理和數(shù)據(jù)分析等方面。本系統(tǒng)中主要運(yùn)用Java語言就行邏輯上的處理。系統(tǒng)主要使用 Struts2和Hibernate這兩個(gè)框架來進(jìn)行整個(gè)系統(tǒng)的搭建。其中Struts2主要處理業(yè)務(wù)邏輯，而Hibernate主要是處理數(shù)據(jù)存儲(chǔ)、查詢等操作。系統(tǒng)采用Tomcat服務(wù)器。系統(tǒng)模塊需要實(shí)現(xiàn)酒店推薦實(shí)現(xiàn)、景點(diǎn)推薦實(shí)現(xiàn)、天氣預(yù)報(bào)實(shí)現(xiàn)、旅游線路實(shí)現(xiàn)、特產(chǎn)推薦、數(shù)據(jù)分析展現(xiàn)功能、報(bào)表數(shù)據(jù)獲取、景區(qū)客流量變化分析實(shí)現(xiàn)等。需要進(jìn)行后臺(tái)信息管理等功能測(cè)試以及時(shí)間測(cè)試、數(shù)據(jù)測(cè)試等性能測(cè)試。

五、旅游業(yè)數(shù)據(jù)挖掘算法方案中存在的一般性問題及其改進(jìn)

數(shù)據(jù)挖掘總結(jié)范文第2篇

關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)；高職院校；教學(xué)評(píng)價(jià)；應(yīng)用

中圖分類號(hào)：G4

文獻(xiàn)標(biāo)識(shí)碼：A

doi：10.19311/ki.1672-3198.2016.29.119

隨著高校教學(xué)信息化的不斷進(jìn)步，教學(xué)管理過程中積累了大量的數(shù)據(jù)。但這些數(shù)據(jù)只是簡(jiǎn)單的業(yè)務(wù)統(tǒng)計(jì)，并未進(jìn)行整理和分析。教學(xué)評(píng)價(jià)是教學(xué)質(zhì)量監(jiān)控體系的重要內(nèi)容之一，如何把握其內(nèi)涵以及最終的目的，是教學(xué)實(shí)踐過程中的難點(diǎn)之一。充分應(yīng)用數(shù)據(jù)挖掘技術(shù)能夠?qū)虒W(xué)評(píng)價(jià)過程中的大量數(shù)據(jù)進(jìn)行加工處理，從而為教學(xué)管理人員提供正確的決策，促進(jìn)教學(xué)質(zhì)量的提升。教學(xué)評(píng)價(jià)的科學(xué)性對(duì)于教學(xué)質(zhì)量的提高具有重要意義，因此利用數(shù)據(jù)挖掘技術(shù)對(duì)教學(xué)評(píng)價(jià)的數(shù)據(jù)進(jìn)行分析，能夠有效提高高職院校的教學(xué)質(zhì)量。

1 高職院校教學(xué)評(píng)價(jià)現(xiàn)狀

高職院校教學(xué)評(píng)價(jià)主要是教務(wù)處對(duì)每個(gè)學(xué)期教師的教學(xué)質(zhì)量進(jìn)行評(píng)估，一方面教務(wù)處將評(píng)價(jià)表發(fā)放給學(xué)生或是網(wǎng)絡(luò)評(píng)價(jià)，學(xué)生根據(jù)教學(xué)質(zhì)量評(píng)價(jià)表中的內(nèi)容給教師評(píng)分；另一方面教學(xué)督導(dǎo)和同行聽課后給出相應(yīng)的評(píng)價(jià)，最終形成教師的教學(xué)評(píng)價(jià)最后得分。教務(wù)處將教師的得分進(jìn)行排名，并確定考核的等級(jí)。這種傳統(tǒng)的教學(xué)評(píng)價(jià)對(duì)于教學(xué)質(zhì)量的提高具有一定的作用，但是仍然存在諸多弊端，影響評(píng)價(jià)的準(zhǔn)確性。近年來高職院校越來越重視對(duì)教學(xué)的評(píng)價(jià)，但教學(xué)評(píng)價(jià)缺乏一定的科學(xué)性。

1.1 對(duì)教學(xué)評(píng)價(jià)的認(rèn)識(shí)模糊

近年來，高職院校雖然越來越重視對(duì)教學(xué)的評(píng)價(jià)，但是對(duì)教學(xué)評(píng)價(jià)的意義、教學(xué)評(píng)價(jià)在教學(xué)管理中的作用認(rèn)識(shí)仍比較模糊。當(dāng)前部分高職院校的教學(xué)評(píng)價(jià)還停留在初級(jí)階段，沒有意識(shí)到科學(xué)的教學(xué)評(píng)價(jià)在教學(xué)管理中的重要性，因此教學(xué)評(píng)價(jià)指標(biāo)的科學(xué)性有待進(jìn)一步完善。

1.2 教學(xué)評(píng)價(jià)理論薄弱

很多教學(xué)管理者對(duì)教學(xué)評(píng)價(jià)的理論知識(shí)比較薄弱，同時(shí)高職院校與專業(yè)的研究機(jī)構(gòu)缺乏足夠的合作，致使教學(xué)評(píng)價(jià)理論缺乏系統(tǒng)性，教學(xué)評(píng)價(jià)理論難以發(fā)揮應(yīng)有的作用。很多高職院校教學(xué)評(píng)價(jià)工作人員并未接受過專業(yè)的評(píng)價(jià)理論培訓(xùn)，導(dǎo)致教學(xué)評(píng)價(jià)只是停留在表面，難以向深層次推進(jìn)。

1.3 教學(xué)評(píng)價(jià)手段比較落后

高職院校目前采用的教學(xué)評(píng)價(jià)手段比較單一，評(píng)價(jià)技術(shù)相對(duì)落后。雖然很多院校開始采用模糊數(shù)學(xué)的方法進(jìn)行評(píng)價(jià)，也取得了長(zhǎng)足的進(jìn)步，但是教學(xué)評(píng)價(jià)還是沿用現(xiàn)成的技術(shù)，并沒有根據(jù)自身的特點(diǎn)進(jìn)行創(chuàng)新和改進(jìn)。

2 數(shù)據(jù)挖掘的分類與算法

2.1 數(shù)據(jù)挖掘技術(shù)的分類

2.1.1 根據(jù)任務(wù)分類

根據(jù)數(shù)據(jù)挖掘技術(shù)的任務(wù)進(jìn)行分類，主要包括分類模型數(shù)據(jù)挖掘、總結(jié)、聚類、關(guān)聯(lián)規(guī)則、序列發(fā)現(xiàn)以及依賴模型和異常發(fā)現(xiàn)等。

2.1.2 根據(jù)方法分類

根據(jù)數(shù)據(jù)挖掘技術(shù)的方法進(jìn)行分類，主要分為分類算法、關(guān)聯(lián)規(guī)則算法、最近距離算法和支撐向量機(jī)算法。

決策樹分類法是應(yīng)用最為廣泛的算法，采用自上而下的歸納方法來總結(jié)數(shù)據(jù)規(guī)律，決策樹的數(shù)據(jù)總結(jié)清晰明了，并且每個(gè)節(jié)點(diǎn)都使用信息增益度量來選擇測(cè)試屬性。簡(jiǎn)單講，這種方法就是以樹形結(jié)構(gòu)來體現(xiàn)大數(shù)據(jù)的特點(diǎn)和挖掘結(jié)果。決策樹具有多種算法，較早的如Quinlan在1986年提出的ID3算法和Leo-Breiman所提出的CART算法。決策樹算法將數(shù)據(jù)有原則的進(jìn)行分類，剔除無用或者用處不大的信息，從而實(shí)現(xiàn)大數(shù)據(jù)整理的高效性，在預(yù)測(cè)模型中應(yīng)用廣泛。所謂關(guān)聯(lián)規(guī)則算法是通過數(shù)據(jù)之間的關(guān)聯(lián)性建立一張關(guān)系網(wǎng)，從而找到解決某一問題的重要數(shù)據(jù)和條件，也就是通過對(duì)某種現(xiàn)象的檢測(cè)來獲得結(jié)果。關(guān)聯(lián)規(guī)則算法使大數(shù)據(jù)清晰化，能夠顯示有用結(jié)果，減少統(tǒng)計(jì)時(shí)間。同時(shí)，該方法支持間接的數(shù)據(jù)挖掘和對(duì)變長(zhǎng)數(shù)據(jù)進(jìn)行處理，它計(jì)算的消耗量是可以預(yù)見的。最近距離法（KNN）的原理是以空間中的某個(gè)向量為樣本，與其相鄰的空間內(nèi)與其相似的向量的統(tǒng)計(jì)就可以用相同的方法來統(tǒng)一。該方法的優(yōu)勢(shì)在于避免了其它方法的樣本不平衡狀態(tài)。由于該方法主要是依靠周邊鄰近的樣本，樣本數(shù)量有限，不能通過由判別類域的方法來確定類別，所以常用于樣本之間重疊或交叉較多的空間。支撐向量法是建立在統(tǒng)計(jì)學(xué)理論的基礎(chǔ)上的，靠機(jī)器來完成，是現(xiàn)代智能化統(tǒng)計(jì)的雛形。其原理在于將給定的有限的數(shù)理訓(xùn)練樣本進(jìn)行準(zhǔn)確無誤的折衷，從而提高的推廣能力。

2.2 數(shù)據(jù)挖掘的過程

數(shù)據(jù)挖掘其實(shí)就是不斷的反饋，其重要包括數(shù)據(jù)準(zhǔn)備階段、數(shù)據(jù)挖掘階段以及評(píng)估和表示階段。

2.2.1 數(shù)據(jù)準(zhǔn)備階段

數(shù)據(jù)挖掘技術(shù)應(yīng)用的前提是準(zhǔn)備數(shù)據(jù)，教師教學(xué)質(zhì)量評(píng)價(jià)的所有數(shù)據(jù)均來自于系統(tǒng)數(shù)據(jù)庫，所需數(shù)據(jù)主要有學(xué)生評(píng)價(jià)數(shù)據(jù)、同行評(píng)價(jià)數(shù)據(jù)、教師自評(píng)數(shù)據(jù)和專家評(píng)價(jià)數(shù)據(jù)等，這些數(shù)據(jù)的獲取可以直接提取數(shù)據(jù)庫表的內(nèi)容。另外，還要綜合調(diào)查問卷的數(shù)據(jù)。數(shù)據(jù)準(zhǔn)備完成后，需要對(duì)全部數(shù)據(jù)進(jìn)行預(yù)處理，使其滿足數(shù)據(jù)挖掘格式。

2.2.2 數(shù)據(jù)挖掘階段

依據(jù)數(shù)據(jù)的具體性質(zhì)，選擇合適的處理技術(shù)，常用的技術(shù)有聚類分析、歸納技術(shù)、關(guān)聯(lián)技術(shù)以及神經(jīng)元網(wǎng)絡(luò)等技術(shù)，常用的算法有BP算法、ID3算法等。然后使用選擇的技術(shù)和算法對(duì)數(shù)據(jù)進(jìn)行挖掘。

2.2.3 評(píng)估和表示階段

將教學(xué)評(píng)價(jià)的原始數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)轉(zhuǎn)換為更加容易理解、關(guān)系明確的形式，采用統(tǒng)計(jì)學(xué)方法評(píng)價(jià)數(shù)據(jù)分析的結(jié)果，進(jìn)而獲得最佳的模式，同時(shí)還要預(yù)測(cè)可能發(fā)生的多種情況，為決策者提供多個(gè)方案。

3 數(shù)據(jù)挖掘技術(shù)在高職院校教學(xué)評(píng)價(jià)中的應(yīng)用

教學(xué)評(píng)價(jià)的任務(wù)就是通過科學(xué)的手段，構(gòu)建數(shù)據(jù)挖掘的模型，并將模型應(yīng)用到高職院校的教學(xué)管理中。教學(xué)評(píng)價(jià)模型要盡量降低人為因素的干擾，重新調(diào)整教學(xué)評(píng)價(jià)中的屬性權(quán)重。決策樹算法在商業(yè)領(lǐng)域應(yīng)用范圍較廣，并且成效明顯，但是目前在教學(xué)評(píng)價(jià)中的應(yīng)用還比較少，我們主要對(duì)決策樹算法的應(yīng)用進(jìn)行分析，構(gòu)建決策樹模型，將其具體應(yīng)用到高職院校的教學(xué)評(píng)價(jià)中。決策樹模型能夠在海量的數(shù)據(jù)中分析出可能影響學(xué)生、同行、專家評(píng)價(jià)結(jié)果的重要因素，能夠建立教師的教學(xué)行為和教學(xué)質(zhì)量之間的關(guān)系，進(jìn)而發(fā)現(xiàn)相應(yīng)的規(guī)律，為以后的教學(xué)評(píng)價(jià)服務(wù)。

3.1 數(shù)據(jù)挖掘技術(shù)在教學(xué)業(yè)績(jī)?cè)u(píng)價(jià)中的應(yīng)用

高職院校對(duì)于教學(xué)質(zhì)量的評(píng)價(jià)一直缺乏科學(xué)的評(píng)價(jià)方法，因此教學(xué)評(píng)價(jià)的結(jié)果缺乏合理性，教學(xué)評(píng)價(jià)的效果較差。數(shù)據(jù)挖掘技術(shù)的應(yīng)用，能夠構(gòu)建科學(xué)的、合理的教學(xué)質(zhì)量評(píng)價(jià)體系，并由專門的部門負(fù)責(zé)測(cè)評(píng)，這樣教師教學(xué)質(zhì)量的評(píng)定就有了準(zhǔn)確性，進(jìn)而可以將教學(xué)等級(jí)作為評(píng)價(jià)的硬性指標(biāo)，教師的晉級(jí)就有了理論依據(jù)。我們將其具體的應(yīng)用分析如下：

（1）在成績(jī)方面，多數(shù)高職院校是以期末成績(jī)和平時(shí)成績(jī)來評(píng)價(jià)學(xué)生，獎(jiǎng)勵(lì)結(jié)果多以獎(jiǎng)學(xué)金的形式出現(xiàn)。采用傳統(tǒng)的方式進(jìn)行評(píng)價(jià)，只能單方面的靠成績(jī)的數(shù)字來評(píng)價(jià)學(xué)生，而應(yīng)用數(shù)據(jù)挖掘技術(shù)可以挖掘成績(jī)背后的影響因素，實(shí)現(xiàn)對(duì)比分析和全面分析。從而對(duì)學(xué)生的學(xué)習(xí)成績(jī)做出正確的評(píng)價(jià)，并且在教學(xué)環(huán)節(jié)中采用必要對(duì)策。（2）在考試試題的出題中，數(shù)據(jù)挖掘技術(shù)能夠剖析學(xué)生的特點(diǎn)，從而針對(duì)性的出題，幫助學(xué)生發(fā)現(xiàn)學(xué)習(xí)中存在的問題。（3）教學(xué)評(píng)價(jià)。這是我們研究的重點(diǎn)，在這一過程中，教學(xué)評(píng)價(jià)源于教師，但是評(píng)價(jià)對(duì)象卻是學(xué)生。在傳統(tǒng)的評(píng)價(jià)中，我們往往忽視了對(duì)學(xué)生這一主體的作用，使用數(shù)據(jù)挖掘技術(shù)之后，評(píng)價(jià)的主體為學(xué)生，結(jié)合多種因素進(jìn)行評(píng)價(jià)，從而根據(jù)學(xué)生的需求進(jìn)行教學(xué)方法與課程設(shè)置的改革。使學(xué)生的學(xué)習(xí)過程循序漸進(jìn)，更容易進(jìn)入角色，提高學(xué)生學(xué)習(xí)的自信心。對(duì)影響學(xué)生的學(xué)習(xí)因素每個(gè)學(xué)期都要進(jìn)行分析，利用管理系統(tǒng)并結(jié)合數(shù)據(jù)挖掘技術(shù)，就能更自如地完成教學(xué)改革，促進(jìn)教學(xué)質(zhì)量的提高。

3.2 數(shù)據(jù)挖掘技術(shù)在教學(xué)診斷中的應(yīng)用

教學(xué)評(píng)價(jià)能夠使教師明確自身教學(xué)目標(biāo)的合理性，教學(xué)方法和教學(xué)手段選擇是否科學(xué)合理，教學(xué)內(nèi)容的重點(diǎn)和難點(diǎn)是否清晰，進(jìn)而根據(jù)實(shí)際情況合理調(diào)整自身的教學(xué)策略，不斷改進(jìn)與完善教學(xué)方法。數(shù)據(jù)挖掘的結(jié)果可以使教師有針對(duì)性的解決教學(xué)中的問題，教學(xué)評(píng)價(jià)不僅僅要為教師的教學(xué)狀況進(jìn)行判斷，同時(shí)對(duì)于教學(xué)改革的方向也提出了明確的要求，其能夠引導(dǎo)教師樹立科學(xué)的教學(xué)觀和正確的質(zhì)量觀，使教師可以清楚自身的不足和今后的努力方向，督促教師不斷轉(zhuǎn)變教學(xué)思想，對(duì)教學(xué)的過程進(jìn)行改革，發(fā)揮教師自身的主觀能動(dòng)性和創(chuàng)新精神，最終實(shí)現(xiàn)有效的教學(xué)改革。

3.3 數(shù)據(jù)挖掘技術(shù)在教學(xué)管理中的應(yīng)用

教師教學(xué)質(zhì)量的評(píng)價(jià)主要由教學(xué)主管部門完成，因此教學(xué)主管部門要利用數(shù)據(jù)挖掘技術(shù)科學(xué)的收集數(shù)據(jù)，并選擇合適的算法進(jìn)行分析和處理，通過數(shù)據(jù)庫資料分析出提升教學(xué)質(zhì)量的關(guān)鍵因素，然后將這些因素反饋給高職院校管理層。教學(xué)管理人員根據(jù)數(shù)據(jù)挖掘分析的結(jié)果可以及時(shí)制定正確的改進(jìn)措施，進(jìn)而發(fā)揮教學(xué)管理的功能。教學(xué)評(píng)價(jià)結(jié)果對(duì)其他教師具有良好的借鑒作用，有利于不斷提高教學(xué)質(zhì)量。

4 總結(jié)

教學(xué)評(píng)價(jià)是高職院校教學(xué)管理的重要組成部分，對(duì)我國(guó)高職院校教學(xué)質(zhì)量的提高具有十分重要的作用。數(shù)據(jù)挖掘技術(shù)是信息化發(fā)展的產(chǎn)物，它能夠處理海量的數(shù)據(jù)信息，提取出信息之間的關(guān)聯(lián)，發(fā)現(xiàn)相應(yīng)的規(guī)律，以此來服務(wù)于教學(xué)評(píng)價(jià)。數(shù)據(jù)挖掘技術(shù)通過不同的算法，可以找出影響教學(xué)質(zhì)量的因素，進(jìn)而使決策者可以指定正確的決策，提升高職院校的教學(xué)質(zhì)量。因此高職院校在教學(xué)評(píng)價(jià)工作中，要加大數(shù)據(jù)挖掘技術(shù)的應(yīng)用，使教學(xué)評(píng)價(jià)能夠更好的為提升教學(xué)質(zhì)量服務(wù)。

參考文獻(xiàn)

[1]董琳.數(shù)據(jù)挖掘技術(shù)在高職院教學(xué)評(píng)價(jià)中的應(yīng)用研究[J].電腦知識(shí)與技術(shù)，2013，（4）.

[2]江敏，徐艷.數(shù)據(jù)挖掘技術(shù)在高校教學(xué)管理中的應(yīng)用[J].電腦知識(shí)與技術(shù)，2012，（8）.

[3]呂慎敏.基于數(shù)據(jù)挖掘的高校教學(xué)管理決策支持系統(tǒng)研究[D].濟(jì)南：山東師范大學(xué)，2012，（6）.

[4]高曉佳.數(shù)據(jù)挖掘在教育信息化中的應(yīng)用研究[J].電腦知識(shí)與技術(shù)，2012，（2）.

數(shù)據(jù)挖掘總結(jié)范文第3篇

Abstract: This paper briefly introduces the basic anti-money laundering procedures,mainly analyzes data mining technology and its application in anti-money laundering system.

關(guān)鍵詞:數(shù)據(jù)挖掘技術(shù);反洗錢程序;應(yīng)用

Key words: data mining technology;anti-money laundering procedures;application

中圖分類號(hào):TP39 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1006-4311(2010)21-0031-01

1反洗錢基本程序

1.1 定義目前關(guān)于洗錢的定義有很多種,國(guó)際上并沒有一個(gè)統(tǒng)一的定義。但洗錢的本質(zhì)就是利用資產(chǎn)、資金轉(zhuǎn)換(轉(zhuǎn)移)過程中所造成的信息缺失、信息隱蔽、信息不完整、信息不真實(shí)、信息復(fù)雜而使犯罪所得收益的原始來源和性質(zhì)無法識(shí)別或追溯,從而掩蓋和隱瞞其真實(shí)信息。

1.2 基本程序我國(guó)的反洗錢基本程序分為采集、監(jiān)測(cè)分析和移交三個(gè)步驟:第一步,大額和可疑交易報(bào)告的收集。第二步,大額和可疑交易報(bào)告的分析和甄別。第三步,可疑交易線索移送。

1.3 反洗錢工作的主要問題①巨量數(shù)據(jù)報(bào)表和高誤報(bào)率。②預(yù)設(shè)標(biāo)準(zhǔn)易于被洗錢分子規(guī)避。③無法自動(dòng)適應(yīng)洗錢形勢(shì)變化。

2數(shù)據(jù)挖掘技術(shù)

2.1 數(shù)據(jù)挖掘定義數(shù)據(jù)挖掘(Date Mining),是指從大量的、不完全的、模糊的、隨機(jī)數(shù)據(jù)中揭示出隱含的、先前未知的、并有潛在價(jià)值的信息和知識(shí)的過程。數(shù)據(jù)挖掘融合了數(shù)據(jù)庫、人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等多個(gè)領(lǐng)域的理論和技術(shù),是幫助發(fā)現(xiàn)隱藏在數(shù)據(jù)中知識(shí)和信息的有力工具。

2.2 數(shù)據(jù)挖掘任務(wù)①數(shù)據(jù)總結(jié)。②分類。③關(guān)聯(lián)分析。④聚類。

2.3 數(shù)據(jù)挖掘流程引入數(shù)據(jù)挖掘技術(shù)應(yīng)用于反洗錢系統(tǒng)中,完成從大量數(shù)據(jù)中自動(dòng)提取出模型的過程。在建立攻擊檢測(cè)系統(tǒng)過程中消除人為因素和特定因素,為其開發(fā)一個(gè)更加系統(tǒng)化的方法,即開發(fā)一套能從各種審計(jì)數(shù)據(jù)中產(chǎn)生攻擊檢測(cè)模型的自動(dòng)工具。我們應(yīng)用關(guān)聯(lián)分析和序列模式分析等算法,發(fā)現(xiàn)特征之間的關(guān)聯(lián)和與時(shí)序有關(guān)的聯(lián)系,從而完成對(duì)用戶數(shù)據(jù)的收集與特征選擇過程。

2.4 常用的數(shù)據(jù)挖掘算法①?zèng)Q策樹。首先,通過一批已知的訓(xùn)練數(shù)據(jù)建立一棵決策樹;然后,利用建好的決策樹對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)。決策樹的建立過程可以看成是數(shù)據(jù)規(guī)則的生成過程,因而可以認(rèn)為,決策樹實(shí)現(xiàn)了數(shù)據(jù)規(guī)則的可視化,其輸出結(jié)果也容易理解。在反洗錢領(lǐng)域,決策樹算法可以按照事前已經(jīng)制定的決策模式對(duì)各種報(bào)告數(shù)據(jù)進(jìn)行分類,最終以一種類似樹狀的決策結(jié)構(gòu)顯示出來,為分析者提供一個(gè)推力框架,幫助其摸清整個(gè)洗錢活動(dòng)的過程并了解某一具體的洗錢操作在整個(gè)洗錢鏈條中的作用。決策樹方法精確度較高,容易理解,效率也比較高,因而比較常用。②神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)系統(tǒng)由一系列類似于人腦神經(jīng)元的處理單元組成,這些單元被稱為節(jié)點(diǎn)。節(jié)點(diǎn)通過網(wǎng)絡(luò)彼此互連,如果有數(shù)據(jù)輸入,他們可以進(jìn)行確定數(shù)據(jù)模式的工作。神經(jīng)元網(wǎng)絡(luò)可以通過本身所包含的無數(shù)個(gè)神經(jīng)元持續(xù)不斷地對(duì)報(bào)告數(shù)據(jù)進(jìn)行反復(fù)計(jì)算,對(duì)某項(xiàng)資金流動(dòng)是否牽涉洗錢活動(dòng)進(jìn)行認(rèn)定,自動(dòng)發(fā)現(xiàn)洗錢線索,并能通過自動(dòng)學(xué)習(xí)制定出最為有利的反洗錢整體分析方案,提高數(shù)據(jù)分析效率。③相關(guān)規(guī)則。這是一種簡(jiǎn)單卻實(shí)用的關(guān)聯(lián)分析規(guī)則,它描述了一個(gè)事務(wù)中某些屬性同時(shí)出現(xiàn)的規(guī)律和模式,依據(jù)一定的可信度、支持度、期望可信度、作用度建立相關(guān)規(guī)則。④K-nearest鄰居。鄰居就是彼此距離很緊的數(shù)據(jù)。該方法認(rèn)為相鄰數(shù)據(jù)必然有相同的屬性或行為。因此,可以通過K個(gè)鄰居的平均數(shù)據(jù)來預(yù)測(cè)該特定數(shù)據(jù)的某個(gè)屬性后行為。⑤遺傳算法。在反洗錢領(lǐng)域,遺傳算法可以在發(fā)現(xiàn)可疑洗錢活動(dòng)后沿最優(yōu)路徑追蹤洗錢的各步操作,幫助分析人員總結(jié)大額可疑交易數(shù)據(jù)中所隱藏的洗錢疑點(diǎn)或疑點(diǎn)組合的發(fā)現(xiàn)規(guī)律,保證分析時(shí)能夠發(fā)現(xiàn)某項(xiàng)洗錢活動(dòng)的最重要線索,方便后期調(diào)查工作的順利開展。⑥聯(lián)機(jī)分析處理。其典型的應(yīng)用有對(duì)銀行信用卡風(fēng)險(xiǎn)的分析與預(yù)測(cè)、市場(chǎng)營(yíng)銷策略制定等,主要是進(jìn)行大量查詢操作。

3數(shù)據(jù)挖掘技術(shù)在反洗錢系統(tǒng)中的應(yīng)用

3.1 系統(tǒng)的整體設(shè)計(jì)反洗錢系統(tǒng)本身應(yīng)用的特殊性,要求它具有準(zhǔn)確性、全局性、可擴(kuò)展性、可伸縮性以及環(huán)境適應(yīng)性。到目前為止,研究人員已經(jīng)提出實(shí)現(xiàn)了許多方法,但沒有一種模型能夠滿足完全檢測(cè)的要求。由于系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)都取決于設(shè)計(jì)人員自身的知識(shí)儲(chǔ)備和其對(duì)已知反洗錢形式的了解程度,因而系統(tǒng)的效率和環(huán)境性都受到了限制。

基于數(shù)據(jù)挖掘技術(shù)的智能反洗錢系統(tǒng)的核心就是從事件序列數(shù)據(jù)(訓(xùn)練數(shù)據(jù))中挖掘正常和異常行為規(guī)則,構(gòu)建規(guī)則庫,在此基礎(chǔ)上,再根據(jù)發(fā)現(xiàn)的證據(jù)進(jìn)行反洗錢識(shí)別。

我們采用數(shù)據(jù)挖掘方法實(shí)現(xiàn)整個(gè)過程,并將它劃分為三個(gè)過程。

①特征提取。②規(guī)則發(fā)現(xiàn),對(duì)不同類型的數(shù)據(jù),采用不同的數(shù)據(jù)挖掘算法發(fā)現(xiàn)其中的規(guī)則。③建立好規(guī)則庫后,對(duì)每一次發(fā)現(xiàn)的證據(jù),就可以根據(jù)規(guī)則來判斷是否屬于反洗錢行為。

3.2 基于數(shù)據(jù)挖掘的智能反洗錢模型的設(shè)計(jì)根據(jù)上面介紹的體系結(jié)構(gòu)、數(shù)據(jù)挖掘方法和智能檢測(cè)體系,我們?cè)O(shè)計(jì)了一種基于數(shù)據(jù)挖掘的智能反洗錢系統(tǒng)。其系統(tǒng)結(jié)構(gòu)包括如下組件:數(shù)據(jù)處理、審計(jì)數(shù)據(jù)庫、數(shù)據(jù)挖掘引擎、特征提取器、數(shù)據(jù)挖掘引擎、規(guī)則庫、數(shù)據(jù)檢測(cè)引擎和決策響應(yīng)中心。

自適應(yīng)數(shù)據(jù)挖掘反洗錢系統(tǒng)的工作原理如下:①活動(dòng)監(jiān)測(cè)Agent采集來自外部網(wǎng)絡(luò)環(huán)境的各種數(shù)據(jù),并把這些數(shù)據(jù)傳送給協(xié)同Agent,協(xié)同Agent對(duì)從活動(dòng)監(jiān)測(cè)Agent來的數(shù)據(jù)進(jìn)行過濾、格式轉(zhuǎn)換等預(yù)處理,然后將數(shù)據(jù)存入審計(jì)數(shù)據(jù)庫中;②審計(jì)數(shù)據(jù)庫組件存儲(chǔ)數(shù)據(jù),并利用數(shù)據(jù)庫查詢技術(shù)產(chǎn)生訓(xùn)練數(shù)據(jù)集,同時(shí)特征提取器采用數(shù)據(jù)挖掘技術(shù)對(duì)當(dāng)前用戶行為進(jìn)行分析,從中提取出當(dāng)前用戶行為特征;③數(shù)據(jù)挖掘引擎利用數(shù)據(jù)挖掘技術(shù)對(duì)審計(jì)數(shù)據(jù)庫中的數(shù)據(jù)和提取出的特征進(jìn)行學(xué)習(xí),從中提取出有關(guān)行為特征和規(guī)則,建立異常模式和正常行為輪廓,從而建立檢測(cè)模型,并存入規(guī)則庫中;④數(shù)據(jù)檢測(cè)引擎接受來自特征提取器的數(shù)據(jù)特征和數(shù)據(jù)挖掘引擎建造的模型與來自規(guī)則庫中的正常規(guī)則進(jìn)行分析,將分析結(jié)果送給決策中心;⑤決策中心分析判斷結(jié)果以決定是否報(bào)警或更新規(guī)則庫。

來自多個(gè)地方的數(shù)據(jù),主要通過如下方式進(jìn)行處理和轉(zhuǎn)換。

①數(shù)據(jù)處理。②數(shù)據(jù)補(bǔ)齊。③數(shù)據(jù)匯總。

數(shù)據(jù)挖掘總結(jié)范文第4篇

隨著我國(guó)的旅游業(yè)的迅猛發(fā)展，旅游產(chǎn)業(yè)正邁向國(guó)際化的軌道,傳統(tǒng)旅游業(yè)積累的海量數(shù)據(jù),沒有被有效利用,資源被極大浪費(fèi)。將數(shù)據(jù)挖掘引入到旅游產(chǎn)業(yè)是大勢(shì)所趨。當(dāng)前數(shù)據(jù)挖掘在旅游信息化建設(shè)中的應(yīng)用與研究情況主要集中在高校理論界的研究,大多數(shù)研究?jī)H僅是學(xué)術(shù)研究,真正運(yùn)用到旅游行業(yè)的文章多是從某個(gè)具體的方面出發(fā),針對(duì)個(gè)別應(yīng)用進(jìn)行數(shù)據(jù)挖掘的融合。筆者主要研究決策樹方法在旅游信息化建設(shè)中的應(yīng)用。目前,決策樹算法有CLS算法、ID3算法、C4.5算法、CART算法、SLIQ算法、Z統(tǒng)計(jì)算法、并行決策樹算法和SPRINT算法等。不同算法在執(zhí)行效率、輸出結(jié)果、可擴(kuò)容性、可理解性、預(yù)測(cè)的準(zhǔn)確性等方面各不相同?？偟膩碚f,這么多決策樹算法各有優(yōu)缺點(diǎn)，真正將數(shù)據(jù)挖掘運(yùn)用到整個(gè)旅游信息化建設(shè)中還有很多問題需要解決。

二、旅游業(yè)數(shù)據(jù)挖掘算法選擇

數(shù)據(jù)挖掘中常用的基本分類算法有決策樹、貝葉斯、基于規(guī)則的算法等等。其中，決策樹是目前主流的分類技術(shù),己經(jīng)成功的應(yīng)用于更多行業(yè)的數(shù)據(jù)分析。在關(guān)聯(lián)規(guī)則挖掘研究中,最重要的是Apriori算法,這個(gè)算法后來成為絕大多數(shù)關(guān)聯(lián)規(guī)則分類的基礎(chǔ)。聚類算法也是數(shù)據(jù)挖掘技術(shù)中極為重要的組成部分。與分類技術(shù)不同的是,聚類不要求對(duì)數(shù)據(jù)進(jìn)行事先標(biāo)定,就數(shù)據(jù)挖掘功能而言,聚類能夠可以針對(duì)數(shù)據(jù)的相異度來分析評(píng)估數(shù)據(jù),可以作為其他對(duì)發(fā)現(xiàn)的簇運(yùn)行的數(shù)據(jù)挖掘算法的預(yù)處理步驟。各種算法分類模型建立有所不同,但原理是大致相同的。筆者考慮決策樹算法結(jié)構(gòu)簡(jiǎn)單,便于理解,且很擅長(zhǎng)處理非數(shù)值型數(shù)據(jù),建模效率高,分類速度快,特別適合大規(guī)模的數(shù)據(jù)處理的優(yōu)點(diǎn),結(jié)合旅游產(chǎn)業(yè)數(shù)據(jù)特點(diǎn),故作重點(diǎn)分析。

三、旅游業(yè)數(shù)據(jù)挖掘系統(tǒng)需求分析

旅游業(yè)數(shù)據(jù)挖掘系統(tǒng)的基本特點(diǎn)如下：統(tǒng)計(jì)旅游興趣；購(gòu)物消費(fèi)趨向；推薦其感興趣的旅游景點(diǎn)；在后臺(tái)管理中,通過決策樹算法對(duì)游客數(shù)量、平均年齡、景點(diǎn)收費(fèi)、游客來自地區(qū)等進(jìn)行分析總結(jié),為旅游消費(fèi)者和旅游管理者提供服務(wù)：為消費(fèi)者提供吃住行購(gòu)?qiáng)蕵诽鞖飧鞣矫嫘畔⒉樵?、機(jī)票、車船票、酒店、景區(qū)門票、餐飲等方面的預(yù)定與現(xiàn)金支付、第三方支付、消費(fèi)者評(píng)價(jià)、在線咨詢等方面的便利、快捷服務(wù)。為管理者提供推薦、游客管理、線路管理、景點(diǎn)管理、特色服務(wù)管理、機(jī)票管理、在線咨詢管理、旅游客戶關(guān)系管理等服務(wù)，提高整體服務(wù)效率和水平。

四、旅游業(yè)數(shù)據(jù)挖掘系統(tǒng)的實(shí)現(xiàn)

旅游業(yè)信息管理系統(tǒng)包括游客信息管理與游客信息分析兩個(gè)子模塊。根據(jù)系統(tǒng)日常運(yùn)行出現(xiàn)的問題及時(shí)對(duì)系統(tǒng)進(jìn)行維護(hù),如添加或者刪除某個(gè)模塊功能,系統(tǒng)整體運(yùn)行速度的更近等。系統(tǒng)運(yùn)用數(shù)據(jù)庫層、持久化層、業(yè)務(wù)邏輯層、表示層四層體系結(jié)構(gòu),主要利用ID3算法達(dá)到旅游數(shù)據(jù)信息的快速、準(zhǔn)確分類。考慮了游客與酒店之間的關(guān)系、游客與旅游路線之間的關(guān)系、游客與旅游景點(diǎn)之間的關(guān)系、游客與機(jī)票、車票之間的關(guān)系、管理員與游客之間的關(guān)系、邏輯結(jié)構(gòu)設(shè)計(jì)。程序之間的獨(dú)立性增加,易于擴(kuò)展,規(guī)范化得到保證的同時(shí)提高了系統(tǒng)的安全性。詳細(xì)功能設(shè)計(jì)包括：用戶登錄、用戶查詢、預(yù)定及支付、后臺(tái)管理、旅游客戶管理和數(shù)據(jù)分析等方面。本系統(tǒng)中主要運(yùn)用Java語言就行邏輯上的處理。系統(tǒng)主要使用Struts2和Hibernate這兩個(gè)框架來進(jìn)行整個(gè)系統(tǒng)的搭建。其中Struts2主要處理業(yè)務(wù)邏輯,而Hibernate主要是處理數(shù)據(jù)存儲(chǔ)、查詢等操作。系統(tǒng)采用Tomcat服務(wù)器。系統(tǒng)模塊需要實(shí)現(xiàn)酒店推薦實(shí)現(xiàn)、景點(diǎn)推薦實(shí)現(xiàn)、天氣預(yù)報(bào)實(shí)現(xiàn)、旅游線路實(shí)現(xiàn)、特產(chǎn)推薦、數(shù)據(jù)分析展現(xiàn)功能、報(bào)表數(shù)據(jù)獲取、景區(qū)客流量變化分析實(shí)現(xiàn)等。需要進(jìn)行后臺(tái)信息管理等功能測(cè)試以及時(shí)間測(cè)試、數(shù)據(jù)測(cè)試等性能測(cè)試。

五、旅游業(yè)數(shù)據(jù)挖掘算法方案中存在的一般性問題及其改進(jìn)

數(shù)據(jù)挖掘總結(jié)范文第5篇

關(guān)鍵詞：就業(yè)信息；數(shù)據(jù)分析；挖掘技術(shù)；研究

中圖分類號(hào)：TP311.13

隨著數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展和數(shù)據(jù)管理的廣泛運(yùn)用，數(shù)據(jù)信息中存在著大量的決策意義，但是數(shù)據(jù)利用很低，局限于就業(yè)率的統(tǒng)計(jì)等。學(xué)生大學(xué)期間，順利就業(yè)是一個(gè)非常重要的環(huán)節(jié)。對(duì)學(xué)生就業(yè)的指導(dǎo)是當(dāng)今學(xué)校所面臨的主要課題。在信息數(shù)據(jù)中找出規(guī)律，直接反映一定時(shí)期內(nèi)的整個(gè)社會(huì)的就業(yè)狀況、職業(yè)動(dòng)態(tài)及其發(fā)展趨勢(shì)。供職業(yè)指導(dǎo)人員指導(dǎo)就業(yè)工作和擇業(yè)者選擇職業(yè)的重要依據(jù)。

1 數(shù)據(jù)挖掘的定義和傳統(tǒng)數(shù)據(jù)的區(qū)別

大量數(shù)據(jù)中挖掘或者提取的知識(shí)，也就是說把人們數(shù)據(jù)中潛在隱含的數(shù)據(jù)中有用的信息轉(zhuǎn)化為知識(shí)的過程來運(yùn)用。數(shù)據(jù)挖掘與傳統(tǒng)的數(shù)據(jù)分析都是查詢、報(bào)表、聯(lián)機(jī)運(yùn)用分析，但是，他們不同的區(qū)別在于沒有明確假設(shè)的前提下去挖掘信息、發(fā)現(xiàn)信息、發(fā)現(xiàn)其中隱含的知識(shí)，所得到的信息應(yīng)該是具體實(shí)用有效的信息。數(shù)據(jù)挖掘通過預(yù)測(cè)未來趁勢(shì)以及行為，做出前瞻的，基于知識(shí)的決策[1]。

2 了解數(shù)據(jù)挖掘的基本步驟

數(shù)據(jù)挖掘的基本步驟主要有以下幾個(gè)方面，分別是收集數(shù)據(jù)：收集可以從多個(gè)數(shù)據(jù)源中去收集，并獲取資料，然后對(duì)數(shù)據(jù)進(jìn)行整合；數(shù)據(jù)選擇：分析所有收集到的數(shù)據(jù)，并決定選擇數(shù)據(jù)和排除數(shù)據(jù)中無效，無利用價(jià)值的數(shù)據(jù)；數(shù)據(jù)清洗：檢查收集的數(shù)據(jù)是否滿足挖掘的條件，目的是將數(shù)據(jù)質(zhì)量提升到符合所選擇的分析的需求上去，從而保證數(shù)據(jù)信息的正確性和一致性；數(shù)據(jù)的轉(zhuǎn)換：將已有的數(shù)據(jù)根據(jù)挖掘信息分析的要求進(jìn)行分析和邏輯性的轉(zhuǎn)換；建立模型：選擇合適的算法進(jìn)行合理而準(zhǔn)確的驗(yàn)證；結(jié)果分析：對(duì)挖掘結(jié)果進(jìn)行解釋與實(shí)際現(xiàn)狀相結(jié)合進(jìn)行可視化的分析；知識(shí)同化：將分析所得到的知識(shí)集成到就業(yè)信息的運(yùn)用當(dāng)中去，進(jìn)行決策供畢業(yè)生參考。

3 數(shù)據(jù)挖掘中的應(yīng)用

3.1 數(shù)據(jù)挖掘在WEB中的應(yīng)用

數(shù)據(jù)挖掘使用就業(yè)網(wǎng)站功能開發(fā)是通過就業(yè)網(wǎng)頁內(nèi)容的挖掘，主要是針對(duì)文本的內(nèi)容進(jìn)行挖掘，實(shí)現(xiàn)對(duì)網(wǎng)頁內(nèi)容的聚類整合，達(dá)到對(duì)就業(yè)信息的分類瀏覽和檢索[2]。對(duì)用戶所提的問題和歷史的記錄進(jìn)行有效的分析擴(kuò)展，從而提高檢索的效率性。運(yùn)用數(shù)據(jù)的挖掘技巧進(jìn)行關(guān)鍵詞改進(jìn)和加權(quán)算法，這樣就可提高就業(yè)信息的傳播效果。利用數(shù)據(jù)挖掘的技術(shù)效果建立更深的訪客量并加以進(jìn)行精準(zhǔn)的預(yù)測(cè)模式，從而達(dá)到真正智能型的個(gè)性化網(wǎng)絡(luò)服務(wù)。

數(shù)據(jù)的收集是一個(gè)比較復(fù)雜的過程所涉及的東西也比較廣泛，這對(duì)于就業(yè)信息的挖掘是一件比較困難的事情，從而我們就要學(xué)會(huì)應(yīng)用數(shù)據(jù)應(yīng)用流程，掌握挖掘的流程并學(xué)會(huì)運(yùn)用。數(shù)據(jù)挖掘流程應(yīng)用流程如圖1所示。

圖1 數(shù)據(jù)挖掘流程圖

這一流程圖有利于針對(duì)就業(yè)問題的提出問題進(jìn)行分析，從而發(fā)現(xiàn)學(xué)生整體就業(yè)情況和學(xué)生的成績(jī)、專業(yè)、區(qū)域等相關(guān)信息數(shù)據(jù)的關(guān)聯(lián)。為數(shù)據(jù)準(zhǔn)備打下基礎(chǔ)，根據(jù)不同的數(shù)據(jù)可以顯示不同的問題，采用數(shù)據(jù)倉(cāng)庫進(jìn)行選擇，通過選擇、抽樣和匯總等方式來選擇符合就業(yè)條件的子集，最終建構(gòu)特定的數(shù)據(jù)庫挖掘。

3.2 就業(yè)市場(chǎng)預(yù)測(cè)

數(shù)據(jù)挖掘的主要價(jià)值在于通過數(shù)據(jù)信息從中提取有效的信息內(nèi)容，從中找其規(guī)律，為就業(yè)者提供參考數(shù)據(jù)和借鑒的效果，通過歷史就業(yè)信息數(shù)據(jù)的顯示作為參考，針對(duì)不同專業(yè)的就業(yè)率、升學(xué)率、行業(yè)分布比例、地域分布比例等與其他院校進(jìn)行數(shù)據(jù)上的比較并進(jìn)行就業(yè)形勢(shì)的綜合分析，從中發(fā)現(xiàn)值得總結(jié)的信息。另外對(duì)歷史數(shù)據(jù)的總結(jié)和對(duì)用人單位信息的記錄，對(duì)每年就業(yè)率數(shù)據(jù)的橫向比較，結(jié)合歷史數(shù)據(jù)的縱向比較，通過對(duì)歷年的就業(yè)地域進(jìn)行分析情況及其就業(yè)層次分布情況，從而做到全面的觀察就業(yè)的發(fā)展?fàn)顩r，形成對(duì)市場(chǎng)發(fā)展?fàn)顩r進(jìn)行全面的監(jiān)控，并為今后的工作提供參考數(shù)據(jù)。

3.3 畢業(yè)生分類信息挖掘

由于傳統(tǒng)的數(shù)據(jù)無法滿足大家的需求，所以我們就要對(duì)數(shù)據(jù)進(jìn)行分析提取，學(xué)生數(shù)據(jù)中存在著大量情況，利用這些數(shù)據(jù)結(jié)合當(dāng)今社會(huì)就業(yè)的就業(yè)形勢(shì)，以通過數(shù)據(jù)挖掘的技術(shù)對(duì)畢業(yè)生資料進(jìn)行構(gòu)建。統(tǒng)一進(jìn)行數(shù)據(jù)化畢業(yè)信息資料、并針對(duì)性別、專業(yè)、特長(zhǎng)、技能、就業(yè)意向等因素進(jìn)行分門別類，形成一套可視化信息圖系統(tǒng)，從而方便用人單位進(jìn)行面向主體的信息抽選，最終提高就業(yè)效率[3]。

3.4 數(shù)據(jù)挖掘中的反饋進(jìn)行教學(xué)改革

學(xué)生的就業(yè)不僅僅就意味著教學(xué)工作的結(jié)束，也是對(duì)教學(xué)工作的最后一次檢驗(yàn)。是通過就業(yè)總結(jié)來發(fā)現(xiàn)教學(xué)中出現(xiàn)的問題，從而分析對(duì)教學(xué)的反饋?zhàn)饔眉畜w現(xiàn)了數(shù)據(jù)的挖掘的教學(xué)價(jià)值和技術(shù)性價(jià)值。

為實(shí)現(xiàn)教學(xué)與人才市場(chǎng)相結(jié)合，從而保證并充分就業(yè)，有必要進(jìn)行人才培養(yǎng)模式教學(xué)內(nèi)容、教學(xué)方法和教學(xué)手段進(jìn)行全方位的調(diào)整和改革，進(jìn)行統(tǒng)一和機(jī)制改革[4]。專業(yè)設(shè)置和社會(huì)需求的有機(jī)結(jié)合、社會(huì)適應(yīng)性與崗位針對(duì)性的統(tǒng)一結(jié)合，主動(dòng)學(xué)習(xí)與社會(huì)實(shí)踐的有機(jī)結(jié)合，整體的穩(wěn)定性與適當(dāng)?shù)撵`活性相結(jié)合，建立完善的專業(yè)預(yù)警制度。

4 數(shù)據(jù)挖掘中應(yīng)注意的問題

數(shù)據(jù)挖掘的目的是把隱含的一大批看來無用雜亂無章的數(shù)據(jù)集中起來，取其精華，去其糟粕的進(jìn)行合理的運(yùn)用與判斷。在實(shí)際運(yùn)用中，進(jìn)行數(shù)據(jù)挖掘并做出準(zhǔn)確的判斷。如果信息收集的不全就會(huì)導(dǎo)致部分?jǐn)?shù)據(jù)錯(cuò)誤，影響到分析的情況，這樣就會(huì)違背數(shù)據(jù)挖掘的原則[5]。因此就要實(shí)現(xiàn)數(shù)據(jù)的科學(xué)化、專業(yè)化，但是在這個(gè)的前提條件下還需要注意幾個(gè)小問題。（1）確保決策的目標(biāo)性和科學(xué)性。決策目標(biāo)是指在一定的環(huán)境下和內(nèi)部條件下，在市場(chǎng)調(diào)查和研究中的基礎(chǔ)上要預(yù)測(cè)出所要達(dá)到的效果、目的。（2）合理的進(jìn)行數(shù)據(jù)的維護(hù)，數(shù)據(jù)挖掘得到的結(jié)果全部靠數(shù)據(jù)的提供，由于數(shù)據(jù)結(jié)構(gòu)的復(fù)雜性，因此對(duì)數(shù)據(jù)挖掘要進(jìn)行探索、分析變量、這樣就可解決問題。分析數(shù)據(jù)中隱含的趁勢(shì)，在具體的就業(yè)數(shù)據(jù)分析中要對(duì)這個(gè)趁勢(shì)進(jìn)行應(yīng)有的考慮看其是否有探討價(jià)值并進(jìn)行評(píng)價(jià)。（3）進(jìn)行科學(xué)的抽樣，面對(duì)如此龐大而復(fù)雜的數(shù)據(jù)，只能對(duì)數(shù)據(jù)進(jìn)行抽樣選取，并進(jìn)行探討分析，不同的人對(duì)同樣的數(shù)據(jù)進(jìn)行分析會(huì)產(chǎn)生不一樣的結(jié)果，將大家的數(shù)據(jù)進(jìn)行綜合才可進(jìn)行保障就業(yè)的可靠性。（4）注重?cái)?shù)據(jù)的私有，安全性、以及專業(yè)性，數(shù)據(jù)在挖掘的過程中要涉及到數(shù)據(jù)的私有安全和安全度，數(shù)據(jù)挖掘的結(jié)果是不確定性的，要和專業(yè)知識(shí)相結(jié)合才可確保數(shù)據(jù)提供的準(zhǔn)確內(nèi)容。

5 結(jié)論

數(shù)據(jù)挖掘技術(shù)的應(yīng)用在不斷的擴(kuò)展中，也受到了學(xué)術(shù)界的廣泛運(yùn)用，當(dāng)前的就業(yè)形勢(shì)越來越嚴(yán)峻，尤其是針對(duì)應(yīng)屆畢業(yè)生，將數(shù)據(jù)挖掘運(yùn)用到就業(yè)信息分析上，可以給就業(yè)者提供準(zhǔn)確的就業(yè)內(nèi)容，減少就業(yè)者從業(yè)的盲目性，促進(jìn)教育、就業(yè)、社會(huì)三者關(guān)系的有機(jī)融合，從而達(dá)到可持續(xù)發(fā)展。數(shù)據(jù)挖掘技術(shù)要想得到有效的運(yùn)用，就必須掌握其內(nèi)涵，分析數(shù)據(jù)的技巧，從而能夠更好的為學(xué)生服務(wù)。

參考文獻(xiàn)：

[1]王曉燕，何月順，楊文強(qiáng).基于數(shù)據(jù)挖掘技術(shù)的高校教學(xué)方法研究[J].科技經(jīng)濟(jì)市場(chǎng)，2009（02）.

[2]董蕓.數(shù)據(jù)挖掘與統(tǒng)計(jì)分析[J].統(tǒng)計(jì)與決策，2010（09）.

[3]陳樹冬.論開拓高校畢業(yè)生就業(yè)市場(chǎng)[J].經(jīng)濟(jì)研究導(dǎo)刊，2011（19）.