時間：2023-01-15 11:27:27
導語：在數據挖掘技術論文的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優秀范文，愿這些內容能夠啟發您的創作靈感，引領您探索更多的創作可能。
關鍵詞：數據挖掘電子商務應用
當今，國內外電子商務類網站日益興起。許多電子商務類網站都提供了一定程度的個性化服務，比如提供商品推薦服務。而構成這些個性化服務的基礎就是數據挖掘技術。
一、數據挖掘分析
1.數據挖掘的定義。數據挖掘(datamining，DM)是從大量的、不完全的、有噪聲的、模糊的、隨機的數據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的過程。包括存儲和處理數據,選擇處理大數據集的算法、解釋結果、使結果可視化。
2.數據挖掘的方法。從商業的角度來看,數據挖掘是一種新的商業信息處理技術,其主要特點是對商業數據庫中的大量業務數據進行抽取、轉換、分析和其他模型化處理,從中提取輔助商業決策的關鍵性數據。數據挖掘的方法大致可以分成4類：關聯分析、概括分析、分類分析、聚類分析。（1）關聯分析：分析表面上不相關數據之間的內在聯系，揭示各事之間的依賴性和相關性，分析范圍包括簡單關聯、因果關聯等。在電子商務中，用數據挖掘找到隱藏的關聯規則，當客戶瀏覽、搜索關聯規則中的某種商品時，就可以在頁面中以推薦商品的形式顯示關聯規則中的其它商品。在進貨計劃和促銷計劃中，也可以將這個因素考慮進去。（2）概括分析：即提取數據庫中指定的數據集合的一般特性，找出遍性規律。（3）分類分析：設置分類規則，把各個事務或實體按照性質和特征不同進行歸類，把數據層次化和規整化，從而建立數據的分類模型。（4）聚類分析：通過分析和歸納實體之間的特征差異，選出具相識特征的實體聚合成為一個類，并用某種規則來描述該類的相同屬性，形成一種聚類規則，實際上，它是與分類分析法互逆的過程。
3.數據挖掘的過程。該過程從大型數據庫中挖掘先前未知的、有效的、可實用的信息，并使用這些信息做出決策或豐富知識。（1）確定業務對象：清晰地定義出業務問題，認清數據挖掘的目的是數據挖掘的重要一步。挖掘的最后結構是不可預測的，但要探索的問題應是有預見的，為了數據挖掘而數據挖掘則帶有盲目性，是不會成功的。（2）數據準備。數據的選擇：搜索所有與業務對象有關的內部和外部數據信息，并從中選擇出適用于數據挖掘應用的數據。（3）數據挖掘：對所得到的經過轉換的數據進行挖掘。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地完成。（4）結果分析：解釋并評估結果。其使用的分析方法一般應作數據挖掘操作而定，通常會用到可視化技術。（5）知識的同化：將分析所得到的知識集成到業務信息系統的組織結構中去。
二、數據挖掘與電子商務的關系
在電子商務企業中，數據挖掘運用于客戶行為分析，企業從中受益體現在以下四個方面:(1)可以發現客戶和訪問者的愛好、生活模式。(2)可以爭取新顧客，怎樣使產品適銷對路、怎樣給產品定價、怎樣吸引單個客戶、怎樣優化Web網站。(3)可以用相應的信息確定顧客的消費周期，針對不同的產品制定相應的營銷策略。(4)可以確定客戶細分，為每一個客戶的獨特需求設計“量身定制”的產品。三、數據挖掘技術在電子商務中的應用
1.面向電子商務的數據挖掘系統設計。本系統電子商務平臺采用基于三層體系結構構建，服務器端采用先進的J2EE平臺構架，有完整的體系框架組成，具有很好的可擴展性、互聯性和可維護性。因此面向電子商務的數據挖掘系統由數據庫服務器、應用服務器和客戶端三層組成，整個體系結構是以J2EE企業級的構建技術為基礎。對數據挖掘過程中產生的數據，采用獨立的數據挖掘庫表存放，這樣既不影響也不依賴數據挖掘的數據源。應用服務器完成所有的數據挖掘運算，通過接受客戶端的設置，完成所有對數據進行探索、轉換、挖掘的工作。數據挖掘系統的每個功能模塊都以EJB的形式進行封裝，以實現分布式計算和負載平衡等分布式計算的要求，把具有繁重計算任務的模塊和用戶交互模塊分開。客戶端要負責數據挖掘流程的創建工作、所有功能模塊參數的設定以及各種可視化結果的顯示。用戶可以根據自己的要求任意創建各種形式的挖掘流程，同時按照需要執行某部分流程，獲取相應的可視化分析結果，其系統體系結構如圖所示。
面向電子商務的數據挖掘系統體系結構圖
2.面向電子商務的數據挖掘系統功能設計。面向電子商務的數據挖掘系統主要以下幾大功能模塊：（1）用戶信息分析。運用分類和聚類挖掘方法對用戶的信息分析，可以得到用戶的些特征。對用戶分類相當于對具有某些公共屬性的用戶群體建立了概要特征描述，這些特征可以用來對新增的用戶進行分類，可以發現未來的潛在用戶并開展有針對性的商務活動，如自動給一類特定的用戶發送銷售郵件，當屬于同一類的用戶再次訪問站點時為其動態地改變站點的內容等。通過這些舉措使商務活動能夠在一定程度上滿足用戶的要求，實現目標營銷。（2）商品信息分析。運用關聯規則挖掘發現商品訪問中所有關聯和相聯系的規則，可以從交易事務數據庫中發現商品間的相互聯系。這對電子商務公司組織站點網頁結構、開展有效的營銷策略非常有幫助。（3）物流信息分析。采用神經網絡預測技術,根據各物流配送點接到的網站用戶訂單來預測其庫存數量。預測信息可以給物流配送中心以參考，用來合理地確定各配送點倉庫的庫存量，使各配送點的補貨能更加合理有序，降低物流成本，節約庫存費用。
四、結束語
數據挖掘是一個新興的領域,具有廣闊應用前景，目前，電子商務在我國正處于快速發展和應用階段，利用數據挖掘技術，能夠強化對客戶的服務、促進市場最優化、加速資金周轉、實現企業的創新發展。電子商務平臺上的數據挖掘技術有待人們去進行更深入的研究工作，這將不斷的推動數據挖掘技術的深入發展和廣泛應用，創造出更多的社會和經濟價值。
參考文獻：
[1]張云濤龔鈴:數據挖掘原理與技術.北京,電子工業出版社,2004年1月
[2]方真等:電子商務教程[M].北京:清華大學出版社.2004
國外很多大學都開設了數據挖掘類課程，波士頓大學的“數據管理與商務智能”課程主要包括基礎、核心技術、應用三部分。授課方式包括理論內容講授、案例教學，以及學生以團隊合作方式完成項目并進行課堂演講。從麻省理工學院開放性課程資料（斯隆管理學院）中可以看出，在每章講解一種算法之后都盡可能地安排了商務實例的分析，并在課程后期安排了客座講座的形式。國內對于數據挖掘的教學類研究成果也很多，主要集中在三類問題的研究上，較為普遍的是根據專業建立大綱的研究，例如針對電子商務專業進行大綱設計；另外也有專注研究某一種或多種適合數據挖掘或商務智能的教學方法，如專題研討法；還有的討論算法理解與程序設計、軟件應用的關系。
2、基于模塊化方法的課程內容分析
模塊化教學模式是按照程序模塊化的構想和原則來設計教學內容的一整套教學體系，它是在既定的培養目標指導下，將全部教學內容按照一定標準或規則進行分解，使其成為多個相對獨立的教學模塊，且各教學模塊之間可以按照一定的規則有選擇性的重新組合。該方法在20世紀70年代，由國際勞工組織引入教學之中，開發出以現場教學為主，以技能培訓為核心的模塊化教學模式，在很多國家得到廣泛應用。由于該教學法具有針對性、靈活性、現實性等特點，越來越受到教育界的關注。模塊化教學本質上是以知識點與實踐的細化為出發點研究，本課程的知識點細化分為兩個層次：一是從宏觀角度，參考ACM的SIGKDD的數據挖掘課程建設建議，設計課程的基礎內容模塊和高級主題模塊；二是從微觀角度，針對較為復雜的算法進行的知識點劃分。課程內容的一至五章屬于基礎內容模塊，介紹本課程的基礎理論和入門的數據挖掘技術；六至第八章介于基礎內容與高級主題之間，介紹數據挖掘的核心算法，可以根據學生情況進行靈活處理，可強調應用，也可深化算法介紹；第九、十章為高級主題模塊，可以作為擴展材料介紹應用，或為感興趣同學提供算法介紹；課程實踐模塊包含數據倉庫建設與數據挖掘算法的應用，難度居中，可以在引導學生思考的前提下給出實驗步驟，并引導學生使用類似的方法處理不同的數據。
3、基于模塊化方法進行重要知識點的模塊化分析
重要知識點內涵較為豐富，一般體現在經典數據挖掘算法上，通常一大類算法下還分有多個算法，不同算法的在難度上有漸進層次，同一種算法也有很大改進研究空間，講授彈性比較大。因此，適合使用模塊化方法進行處理，并且需要在課程設計中明確一定課時量所要達到的內容和難度。基礎部分為必選內容，介紹基本概念和基本原理；決策樹作為數據挖掘分類算法的最基礎算法也是必選內容，決策樹算法有多種分類，需要進行按照難易程度進行選擇；最后要根據難度選擇其他分類算法進行介紹。
4、結論
0前言
隨著現代商業經濟和信息技術的發展，商業信息的增長速度呈現指數上升，積累了海量的、以不同形式存儲的商業數據資料，原有的決策支持系統（DSS）和領導執行系統（EIS）已不能滿足需要，這時出現數據挖掘技術，它能夠去粗存精、去偽存真，從海量的商業信息中提取知識和有用信息的技術。現代信息技術處理商業信息經過一定的發展，逐步形成現在的商業數據挖掘技術。
1．數據挖掘方法在商業信息中應用的規則
數據挖掘技術在商業中的應用主要基于AI、機器學習、統計學等技術，高度自動化地分析商業原始數據，做出歸納性的推理，從中挖掘出潛在的模式，預測客戶的行為，幫助商業決策者調整市場策略，減少風險，做出正確的決策，體現一種決策支持過程。
1.1商業信息泛化、簡約和特征提取規則。商業信息泛化是為了商業數據更好的理解和掌握，將其具體一般的數據信息抽象到較高層次的過程；商業信息簡約是為了采用一定的手段對信息進行描述；商業信息特征是找出這些信息的共同特征，尋找信息的通用性特征式。
1.2商業信息分類技術規則。商業信息分類是按照一組商業信息對象的特征給出信息對象劃分的過程。其目的是學會一個分類函數或分類模型，該模型能把數據庫的數據信息項映射到給定類別中的某一個。
1.3商業信息的聚類規則。聚類規則是識別一組信息對象的內在規則，從而將對象分組，構成相似的對象類，從而找出數據信息的分布規律，并進一步去發現隱含在一組混雜的數據信息集里的分類規則。聚類是把一組個體按照相似性歸類，即"物以類聚"。使屬于同一類別的個體之間的距離盡可能小，而不同類別的個體間的距離盡可能大。
1.4商業信息的關聯規則。關聯規則的商業數據挖掘已經從單一概念層次的關聯規則發展到多概念層次的關聯規則的發現。關聯規則是如下的一種規則："我們在研究大型商場的顧客在購買上衣和褲子的時候，發現其中在這些顧客中有10%的顧客同時買了帽子(上衣+褲子+帽子)，這就形成簡單的關聯規則。除了具有上述關聯規律，還有時間或序列上的規律，在不同的時間（春夏秋冬）所購的衣服、褲子以及帽子是不相同的，并且不同層次或者不同年齡的人所購商品又有一定的規律性。
2．數據挖掘技術在商業信息中的應用
數據挖掘技術是目前在商業信息處理中應用的比較多的一項技術，為了在商業領域中對海量數據庫和大量復雜信息中提取有價值的知識，進一步提高信息的利用率，對公司及時制定相應的對策有非常重要的意義，在這里，討論幾個主要商業行業中的商業信息處理。
2.1數據挖掘技術在電子商務網站數據中的應用
隨著Web技術的發展，電子商務網站正在成為現在商家的必爭之地。如何讓電子商務網站有效益要想有效益就必須吸引客戶，增加能帶來效益的客戶忠誠度。電子商務網站每天都可能有上百萬次的在線交易，生成大量的記錄文件和登記表，如何對這些數據進行分析和挖掘，充分了解客戶的喜好、購買模式，甚至是客戶一時的沖動，設計出滿足于不同客戶群體需要的個性化網站，進而增加其競爭力，幾乎變得勢在必行。若想在競爭中生存進而獲勝，就要比您的競爭對手更了解客戶。
在對網站進行數據挖掘時，所需要的數據主要來自于兩個方面：一方面是客戶的背景信息，此部分信息主要來自于客戶的登記表；而另外一部分數據主要來自瀏覽者的點擊流，此部分數據主要用于考察客戶的行為表現。但有的時候，客戶對自己的背景信息十分珍重，不肯把這部分信息填寫在登記表上，這就會給數據分析和挖掘帶來不便。在這種情況之下，就不得不從瀏覽者的表現數據中來推測客戶的背景信息，進而再加以利用。就分析和建立模型的技術和算法而言，網站的數據挖掘和原來的數據挖掘差別并不是特別大，很多方法和分析思想都可以運用。所不同的是網站的數據格式有很大一部分來自于點擊流，和傳統的數據庫格式有區別。因而對電子商務網站進行數據挖掘所做的主要工作是數據準備。
2.2數據挖掘技術可以用在金融領域的應用
金融事務需要搜集和處理大量數據，對這些數據進行分析，發現其數據模式及特征，然后可能發現某個客戶、消費群體或組織的金融和商業興趣，并可觀察金融市場的變化趨勢。
數據挖掘在銀行信息中的應用。商業銀行業務的利潤和風險是共存的。為了保證最大的利潤和最小的風險，必須對賬戶進行科學的分析和歸類，并進行信用評估，利用數據挖掘工具，可以根據客戶的消費模式預測何時為客戶提供何種產品。銀行如何讓一家新開的銀行網點實現快速贏利呢？銀行結合了GPS推理信息系統和商業智能應用系統，在銀行的客戶信息中，詳細記錄有客戶的常駐地，并且，當銀行客戶到該銀行網點辦理業務時，銀行商業智能系統將自動記錄客戶的操作信息，以及銀行網點地址信息。經過大量的記錄，客戶的常駐地到銀行網點的行動路線，將被通過數據分析而得出。大量的客戶路線得出后，我們可能會發現，某個地區進行銀行業務操作的客戶特別多，但他們附近沒有銀行網點，而是要到離他們較遠的地方去辦理，于是銀行就決定在這個地區開辦一個銀行網點。
數據挖掘在證券信息中的應用。上市公司定期公布的財務報告具有很強的信息含量，但是當期會計盈余數據的信息會在披露前后在股票市價中迅速得以體現。因此對于中長期投資者來說，重要的是預見未來。質地優良且未來具有較高盈利增長能力的公司是中長期投資者(包括普通投資者，證券投資基金和券商)普遍關注的對象，因為只有這類公司才能給投資者帶來持續的回報。而財務報告包含了大量描述公司經營狀況的數據。這些數據應能為投資者提供關于公司未來盈利能力的信息。對于中長期投資者而言，需要做的就是利用這些信息挖掘出未來能夠具有較高盈利水平同時又具有較好的成長性公司。采用數據挖掘技術來發掘這些財務報告中是否包含關于公司未來盈利情況的信息，獲得較精確的預測效果，選出的投資組合能否獲得超額收益，這對于投資者來說是非常重要的。
2.3數據挖掘技術在企業市場營銷中的應用
數據挖掘技術在企業市場營銷中得到了比較普遍的應用，它是以市場營銷學的市場細分原理為基礎，其基本假定是"消費者過去的行為是其今后消費傾向的最好說明"。通過收集、加工和處理涉及消費者消費行為的大量信息，確定特定消費群體或個體的興趣、消費習慣、消費傾向和消費需求，進而推斷出相應消費群體或個體下一步的消費行為，然后以此為基礎，對所識別出來的消費群體進行特定內容的定向營銷，這與傳統的不區分消費者對象特征的大規模營銷手段相比，大大節省了營銷成本，提高了營銷效果，從而為企業帶來更多的利潤。這些來自各種渠道的數據信息被組合，應用超級計算機、并行處理、神經元網絡、模型化算法和其他信息處理技術手段進行處理，從中得到商家用于向特定消費群體或個體進行定向營銷的決策信息。4數據挖掘技術在民用通信部門中的應用
我國各種民用通信用得最多的國家之一，為了分析出那一類收費對應那類層次的人群，我們就可以利用數據挖掘技術，把當前電信消費者的數據進行收集、分析、總結，制定出有效的管理辦法，這既有利于公司又有利于客戶的優惠政策，這樣能夠及時發現問題，減少顧客流失，為通信公司挽回損失。數據挖掘在通信部門中體現在三個方面：（1）客戶挽留解決方案；（2）電信業客戶細分解決方案；（3）電信業交叉銷售和提升銷售解決方案。這三個項目的實施，可以為民用通信部門解決三個決策問題：第一，預測哪些客戶最具有流失的傾向以及影響客戶流失的關鍵因素，通過預制的分析模型提供"流失記分"幫助識別風險客戶，在客戶流失之前采取針對性措施來挽留他們。第二，根據客戶可能的行為和潛在的盈利性對客戶進行分類，制定更準確的產品組合、更準確的產品介紹和產品捆綁服務。第三，從現有客戶中識別出有可能接受交叉銷售和提升銷售的客戶人選，評估客戶過去的購買模式，預測客戶下一步可能購買什么。
[關鍵詞]數據挖掘技術；軟件工程；數據預處理
[引言]隨著我國信息技術的進步，數據挖掘技術得到廣泛應用，在軟件工程中需要對數據信息進行搜集、分類與整理，通過數據挖掘技術的應用可以有效提高工作效率，推動軟件工程的有序發展。我國對數據挖掘技術的應用與研究雖然處于初級階段，但通過不斷的經驗積累也能夠發揮技術的更多價值。
1數據挖掘技術概述
數據挖掘技術指的是在信息技術發展背景下，對信息數據展開處理的技術。與過去的信息處理技術相比，數據挖掘技術功能更加強大，可以應用在各個領域，無論是數據處理、數據轉換還是數據分析，都能夠完成相互之間的聯系，并對數據進行最終評估。將數據挖掘技術應用在軟件工程中，能夠提高企業處理信息數據的效率，避免操作失誤，保護企業數據準確[1]。
2數據挖掘技術在軟件工程中的重要性分析
2.1高效整合多樣化信息數據
由于數據挖掘技術的功能比較多，其中包含了傳統處理技術的功能，實現多樣化信息的收集與分類，并將數據按照類別存儲與整理。數據挖掘技術可以在多樣化數據中實現數據的系統化管理，為人們進行數據查閱工作帶來方便。在軟件工程中應用該技術，方便信息數據的高效整合，幫助企業全方位了解信息與數據[2]。
2.2保證信息數據的準確率
數據挖掘技術擁有強大數據運算功能，以往的數據信息系統運算數據時需要耗費大量時間與成本。如果信息數據體系龐大，系統運算時會面臨癱瘓問題。在軟件工程中，一旦系統發生癱瘓，系統將無法正常使用，數據也會受到破壞。應用數據挖掘技術之后可以有效解決以上問題，實現系統的優化，使系統可以在最短時間內處理數據，防止信息數據發生丟失現象，提高數據處理的時效性。面對大量的信息數據，有的數據得不到利用，但長期處于系統中會影響系統運行效率，應用數據挖掘技術可以將無價值的數據剔除，留下有用的信息數據，保證系統的運行效率和數據質量。
2.3縮短信息數據處理時間
在軟件工程中應用數據挖掘技術可以分類處理雜亂無章的數據，實現數據的轉換與調用。對數據進行深入挖掘處理時也可以應用數據挖掘技術進行數據的分類，并對模糊數據及時清理，提高系統內現存數據的實用價值。人們獲取到的信息數據需要進行反復核對，以此保證數據真實性，通過數據挖掘技術的應用減少時間浪費，提高數據核對效率。
3數據挖掘技術在軟件工程中的應用分析
3.1系統結構
數據挖掘技術應用流程主要分為三個階段：數據預處理、數據挖掘、模式評估與知識表示。在數據預處理階段中，高效得到原始數據的根本原因在于確定任務處理對象，得到符合軟件工程需求的數據。通過數據清洗彌補原始數據存在的缺陷，確保數據的完整性。數據抽取需要從數據庫中選擇與軟件工程任務相符合的信息。數據轉換需要將數據格式加以轉化，實現數據的適用性。在數據挖掘中需要制定一定的挖掘任務，通過對數據的分類與評價總結，合理應用運算方法進行數據推敲。在模式評估與知識表示中，其實際用途在于挖掘成功的表達，將興趣度作為衡量標準，提高數據表達的識別能力。
針對軟件工程中數據挖掘技術的優化應用，可以從系統結構方面入手，具體如下：（1）檢測軟件工程中的克隆代碼。以軟件工程為標準，將一部分代碼復制，結合實際情況更改一部分代碼，并對這些代碼進行檢測，代碼檢測與更改可以同時進行，能有效提高檢測效率，實現系統的維護工作。當前應用數據挖掘技術進行克隆代碼檢測的方式一共有四種，具體為比較標識符、對比文本、檢測系統程序結構與度量圈。在實際操作中，要求人們結合實際情況選擇相應的克隆代碼檢測方法。（2）數據信息挖掘法。這是以橫切關注點為主的挖掘方法，在軟件工程中應用該方法可以改造系統，對數據信息達到良好的處理效果[3]。
3.2軟件管理
為了讓數據挖掘技術更好地應用在軟件工程中，需要從軟件管理角度入手，采用以下兩方面舉措。一方面，深入挖掘數據的組織關系，另一方面，挖掘版本控制信息。軟件工程系統比較繁瑣，挖掘組織關系時較為困難，人們需要合理調配各項信息，以此作為挖掘的依據。如果以軟件工程管理流程作為主題，對電子郵件與共享文件展開組織關系挖掘，可以有效避免系統流程發生混亂，保護軟件管理的秩序。當信息數據發生變化時，應用數據挖掘技術進行軟件管理，將版本控制作為重要依據，將數據挖掘技術與版本控制相聯系，降低系統運行成本，并達到警示的效果，提高軟件工程的管理水平。
3.3軟件開發
在軟件工程初期階段，人們將數據挖掘技術看成數據庫，隨著技術的發展，軟件工程發展到現實應用，系統和現實共同發展。軟件工程將各項指標與要求緊密結合，研發出最新產品，以往的軟件工程中軟件開發十分困難，而如今應用數據挖掘技術，可以將其與數據庫相融合，發揮數據庫內信息的最大價值，有效推動軟件開發的進步。不僅如此，軟件工程可以對信息進行更深層次的挖掘，充分發揮軟件工程的價值，利用數據挖掘技術實現數據的更新，保證軟件開發質量，優化軟件操作流程。在技術的支持下，人們可以合理劃分軟件內部，方便及時發現問題，并展開積極有效的問題處理。利用數據挖掘技術可以進行網站設計，對網站內容進行挖掘，特別是對文本內容的挖掘，隨后整合網站信息，通過自動歸類技術實現信息的層次性組織。在軟件或網站管理中，應用數據挖掘技術可以根據用戶對網站的訪問記錄，進行記錄信息挖掘，從中了解用戶對該網站內容的興趣，進而對用戶提供信息推送服務和定制服務，以此吸引更多用戶訪問該網站。
在軟件開發階段，可以使用DataAnalytics輕量級業務數據可視化分析平臺，這是數據挖掘技術的一項成果。該平臺能夠實現異構數據源的高效整合，可以兼容各種數據源類型，支持海量數據。可接入Excel/CSV等數據文件、企業各種業務系統、第三方互聯網數據、公共數據服務平臺等來源，輕松整合所有相關業務數據，幫助企業消滅數據孤島。企業利用該平臺可以完成數據的深度交互分析，DataAnalytics基于探索式分析，支持智能推薦圖形與圖表，二者可以協同過濾，幫助用戶快速定位，通過數據挖掘找出問題，以拖拽式操作方法解決問題。
3.4聚類
在數據挖掘技術中聚類指的是對各個環節數據加以分析，結合軟件工程的具體要求實現數據細化，以類型細化作為基礎，為原始數據類型做出保障。通過聚類可以讓同種類型數據具有相似性特點，在存在相似性的同時，也存在一定的差異，突出各自的特點。應用數據挖掘技術實現聚類劃分時，面對的對象無法預測，與其他算法相比，聚類擁有更加廣泛的應用范圍，進行數據分析時更加獨特，挖掘信息數據時可以確保檢測結果的有效性與真實性。
4結論
總而言之，隨著信息技術的深入發展，人們已經步入信息時代，數據挖掘技術也成為對信息數據展開處理和存儲的有效方式。在軟件工程中應用數據挖掘技術，有利于提高軟件開發效率，提升軟件管理質量，加強數據挖掘力度，使數據挖掘技術發揮巨大效果，人們可以應用數據挖掘技術完成數據的聚類和網站設計，為人們的生活帶來便利。
[軟件工程碩士論文參考文獻]
[1]張立鑒.數據挖掘技術在軟件工程中的應用研究[J].網絡安全技術與應用，2019（6）：47-48.
[2]王祥順.數據挖掘技術在軟件工程中的實踐與探索[J].電腦編程技巧與維護，2019（4）：82-83+100.
關鍵詞：數據倉庫，數據挖掘，電子政務
在電子政務信息建設中已經有了成功的電子政務業務處理和信息管理系統，卓有成效的過程控制指揮系統和辦公自動化系統。但從電子政務全局的高層次和大范圍的分析角度去審視，則感到數據分散，難以整合。因此，研究電子政務數據倉庫和數據挖掘很有必要。
1.電子政務信息建設的數據倉庫
電子政務數據倉庫是電子政務信息架構的新焦點，它提供集成化的和歷史化的電子政務業務數據；它集成種類不同的電子政務應用系統；電子政務數據倉庫從事物發展和歷史角度來組織和存儲電子政務數據，以供信息化和分析處理之用。它是對現有電子政務信息系統深刻認識的結果，來自異地、異構的電子政務數據源或數據庫的數據經過加工后在電子政務數據倉庫中存儲、提取和維護。傳統的電子政務數據庫主要面向業務處理，而電子政務數據倉庫面向復雜數據分析、高層決策支持。電子政務數據倉庫提供來自種類不同的電子政務應用系統的集成化和歷史化的數據，為全局范圍的電子政務戰略決策和社會治安長期趨勢分析提供有效的支持。免費論文參考網。目前，經過近20年的建設，全國電子政務信息系統建設已經積累了大量數據，對于電子政務工作起了意義深遠的推動作用，電子政務工作已經初步進入了數字化、電子化、信息化，極大地提高了電子政務工作的效率。以土地管理為例，現在的管理方式是以前不能比擬的。但是，如何將這些數據用于全局范圍的戰略決策和長期趨勢分析，則是需要進一步解決的問題。例如，土地問題，近年來始終與住房問題、物價問題和就業問題一起，成為全國人民非常關心的問題，其問題有表面的原因，也有深刻的歷史原因和現實原因。如何花較少的代價，將此問題解決得圓滿一些，建設電子政務數據倉庫是一重要手段。免費論文參考網。
電子政務數據倉庫是一種全新的分布式異構數據系統的集成方法：把各個信息源中與決策支持有關的數據，預先經過提取、轉換、過濾，并與相應信息源中其它數據進行合并，按主題存放在一個中央數據庫中，當用戶需要查詢時，可以直接訪問中央數據庫，不必訪問其它數據源。
電子政務數據倉庫包括3個基本的功能部分。數據獲取：從電子政務一線數據源獲取數據，數據被區分出來，進行拷貝或重新定義格式等處理后，準備載入電子政務數據倉庫。數據存儲和管理：負責電子政務數據倉庫的內部維護和管理，包括數據存儲的組織、數據的維護、數據的分發。信息訪問：屬于電子政務數據倉庫的前端，面向用戶------提取信息、分析數據集、實施決策。進行數據訪問的工具主要是查詢生成工具、多維分析工具和數據挖掘工具等。
電子政務數據倉庫的特點：針對全局電子政務業務戰略分析，非常詳細的數據，第三范式數據結構，高層次和大范圍的分析，詳細的歷史信息，存儲和管理大量的數據，整個數據結構統一，索引較少。
因此，原來對分布式異構數據的復雜訪問變成直接在該倉庫上進行即席查詢的簡單操作：用戶需要某些指定信息和快速查詢，但不一定要最新信息，在這個環境中需要高性能和訪問信息源中不能長期保存的信息。
電子政務數據倉庫是一個比傳統解決方法更為有效的集成技術，即對感興趣的數據及其變化預先提取并按公共模式集成到一個中央數據庫中，由于分布和異構問題被提前解決，用戶可以在中央數據倉庫上進行高效的查詢或分析。
由于電子政務數據倉庫的體系結構，必須照顧電子政務已有的信息系統的體系結構，以及相關的基礎設施，因此，確定電子政務數據倉庫的體系結構，必須兼顧用戶需求的多變性、基礎設施的復雜性、技術更新的步伐。數據倉庫本身可以使用通用的或者特別要求的數據庫管理系統來實現。盡管在圖中表示的是一個單獨的、中央化的數據倉庫，實際上，為了達到理想的性能，分布式和并行性往往是必然的選擇。
電子政務數據倉庫技術中一些比較重要的問題是：數據倉庫管理，數據源和數據倉庫的演化，復制帶來的不一致，過期數據處理等。電子政務數據倉庫管理涉及電子政務數據倉庫開發的各個階段，與之相關的問題涉及電子政務數據倉庫設計、數據裝載、元數據管理等。數據源和數據倉庫演化，則是研究電子政務數據倉庫體系結構如何順利處理信息源的變化問題，如模式變化、新信息源加入，舊信息源刪除等。復制不一致，是指從各個信息源拷貝來的同一信息或者相關信息出現的不一致，一般用集成器對這些數據進行清理。對于電子政務數據倉庫中的數據，可能會保存很多年，但是一般不會永遠保留下去，這就要求研究比較可靠的技術以保證過期的數據，可以自動而有效地從電子政務數據倉庫中被清除出去。
2.電子政務數據挖掘一般方法
電子政務部門在過去若干年的時間里都積累了海量的、以不同形式存貯的數據資料，例如戶籍資料、土地資料和規劃管理資料等。此外，電子政務工作所涉及到的數據類型是相當復雜的，例如：用地指數，其特征抽取相當復雜；土地配置規律特點，其數據聯系是非平面的，也是非標準立體的。由于這些資料十分繁雜，要從中發現有價值的信息或者知識，達到為決策服務的目的，成為非常艱巨的任務。電子政務數據挖掘一般方法的提出，讓用戶有能力最終認識數據的真正價值，即蘊藏在數據中的信息和知識。
電子政務數據挖掘是按照既定的電子政務業務目標，對大量的數據進行探索、揭示隱藏其中的規律性并進一步將其模型化的先進、有效的方法。數據是按照電子政務數據倉庫的概念重組過的，在電子政務數據倉庫中的數據、信息才能最有效的支持電子政務數據挖掘。因此，首先從正在運行的電子政務計算機系統中完整地將數據取出；其次各個環節的數據要按一定的規則有機、準確地銜接起來，以極易取用的數據結構方式，全面地描述該業務目標。
電子政務數據挖掘就是從大量的、不完全的、模糊的、有噪聲的、隨機的數據中，提取隱含在其中的、事前不知道的、但是潛在有用的信息和知識的過程。電子政務數據挖掘技術是面向應用的，不僅面向特定數據庫的簡單檢索和查詢調用，而且要對這些數據進行微觀和宏觀的分析、統計、綜合和推理，從中發現事件間的相互關系，對未來的活動進行預測。
3.基于電子政務數據倉庫的數據挖掘
基于電子政務數據倉庫的數據挖掘的方法，是以電子政務數據倉庫為中心，各信息源由原始數據庫，經過打包和集成到電子政務數據倉庫；基于電子政務數據倉庫的數據挖掘，是通過模型庫和方法庫的協助，對電子政務數據倉庫進行數據挖掘，從而獲得分析預測結果和決策支持的。
基于電子政務數據倉庫的數據挖掘的特點：1、規模： 電子政務數據倉庫中集成和存儲著來自若干分布、異質的信息源的數據。免費論文參考網。這些信息源本身就可能是一個規模龐大的電子政務數據庫，可以想象數據倉庫會有比一般數據庫系統更大的數據規模。如何從如此巨量的數據中有效的提取有用信息，需要各方面技術的進步。從當前發展來看，支持并行處理的分布式DBMS、具有大規模并行處理（MPP）能力的計算機、超大規模的存儲機構等技術的發展和協同將使電子政務數據倉庫走向實用。2、歷史數據：傳統的電子政務數據庫系統為了獲得最大的執行效率，往往存儲盡可能少的數據量。因為，擁有的數據越多，數據組織、重構、瀏覽、索引和監控的難度越大。傳統電子政務數據庫系統在“時間”方向的長度很有限。比較而言，電子政務數據倉庫的根本特征之一就是進行長時間的歷史數據存儲，這使得可以進行數據長期趨勢的分析。電子政務數據倉庫為長期決策行為提供了獨一無二的支持，電子政務數據倉庫中的數據在時間方向上具有大的縱深性。3、數據集成和綜合性：從全局的角度看，數據倉庫集成了電子政務內各部門的全面的、綜合的數據。電子政務數據挖掘面對的是關系更加復雜的全局模式的知識發現，能更好地滿足高層戰略決策的要求。在電子政務數據倉庫中，數據已經被充分收集起來了，進行了整理、合并，有些還進行了初步的分析處理。另外，電子政務數據倉庫中對數據不同粒度的集成和綜合，更有效地支持了多層次、多種知識的挖掘。4、查詢支持 電子政務數據倉庫面向決策支持，電子政務數據倉庫的體系結構努力保證查詢（Query）和分析的實時性。電子政務數據倉庫設計成只讀方式，用戶可以直接訪問電子政務數據倉庫，挖掘過程可以做到實時交互，使決策者的思維保持連續，挖掘出更深入、更有價值的知識。
電子政務數據倉庫和數據挖掘是將來電子政務智能化的基礎，可以幫助用戶得到他們想知道的信息，有些數據也許隱藏人們意想不到的信息，數據挖掘就是讓用戶發現這些隱藏信息的工具。電子政務數據倉庫和數據挖掘研究和應用所面臨的主要問題：挖掘的對象：更大型的數據庫、更高的維數和屬性之間的復雜關系；多種形式的輸入數據；用戶參與和領域知識的融合；證實（Validation）技術；知識的表達和解釋機制；知識的更新和維護；多平臺支持、與其他系統的集成。
近年來，電子政務利用信息技術的能力大幅度提高，大量數據庫被用于土地管理和城市規劃。為了利用這一巨大的信息資源，從中及時發現有用的知識，提高信息的價值，使數據真正成為電子政務的有力武器，為電子政務自身的業務決策和戰略發展服務，電子政務數據倉庫和數據挖掘是現在和將來的一個重要發展方向。
論文摘要：隨著數據庫技術和人工智能技術的不斷進步，數據挖掘技術逐步發展起來，作為當前計算機信息技術中的一項較為新興的技術，綜合運用了數理統計、模式識別、計算智能、人工智能等多項先進技術，主要是從大量的數據中來發現和挖掘一些隱含的有價值的知識，從大型的數據庫數據中挖掘一些人們比較感興趣的知識，本文主要講了數據挖掘技術的概念、數據挖掘技術在保護設備故障信息中的實現方法以及數據挖掘技術保護設備故障信息管理的基本功能等問題。
數據挖掘技術作為當前計算機信息技術中的一項較為新興的技術，綜合運用了數理統計、模式識別、計算智能、人工智能等多項先進技術，主要是從大量的數據中來發現和挖掘一些隱含的有價值的知識，也就是從大型的數據庫數據中挖掘一些人們比較感興趣的知識，這些被提取的知識通常會表現為模式、規律、規則和概念，將數據挖掘的所有對象定義成數據庫或者是文件系統以及其他的一些組織在一起的數據集合，數據挖掘技術也是現在智能理論系統的重要研究內容，已經開始被應用于行政管理、醫學、金融、商業、工業等不同的領域當中，在保護設備故障信息管理方面發揮出了積極的作用。
一、數據挖掘技術的概念
隨著數據庫技術和人工智能技術的不斷進步，數據挖掘技術逐步發展起來，主要是指從大量的數據中發現和挖掘一些隱含的有價值的有用信息和知識，這些被提取的知識通常會表現為模式、規律、規則和概念，將數據挖掘的所有對象定義成數據庫或者是文件系統以及其他的一些組織在一起的數據集合，當前數據挖掘技術已經逐漸被應用于了醫藥業、保險業、制造業、電信業、銀行業、市場營銷等不同的領域，隨著計算技術、網絡技術以及信息技術的不斷進步，在故障診斷過程中所采集到的數據可以被廣泛地存儲在不同的數據庫當中，如果依然采用傳統的數據處理方法來對這些海量的信息數據進行分析處理，不僅會浪費大量的實踐而且也很難挖掘到有效的信息數據，同時，盡管智能診斷以及專家系統等方式在故障的診斷過程中已經被得到了廣泛的應用，但是這些方法卻仍然存在著很多推理困難、知識瓶頸等一些尚未完全被解決的問題，采用數據挖掘技術就可以比較有效地來解決這些難題，在故障診斷的過程中發揮其獨特的優勢。wWW.133229.Com從不同的角度進行分析，數據挖掘技術可以分為不同的方法，就目前的發展現狀來看，常用的數據挖掘技術方法主要有遺傳算法、粗集方法、神經網絡方法以及決策樹方法等。
二、數據挖掘技術在保護設備故障信息中的實現方法
1.基本原理。在設備出現故障時采用數據挖掘技術對設備進行一系列的故障診斷，也就是說根據這一設備的運行記錄，對其運行的趨勢進行預測，并對其可能存在的運行狀態進行分類，故障診斷的實質就是一種模式識別方式，對機器設備的故障進行診斷的過程也就是該模式匹配和獲取的過程。
2.對故障診斷的數據挖掘方法建模。針對機械故障的診斷來說，首先就應當獲取一些關于本機組的一些運行參數，既要包括機器在正常運行以及平穩工作時的信息數據，也應當包括機器在出現故障時的一些信息數據，在現場的監控系統中往往就會存在著相應的正常工作狀態下以及出現故障時的不同運行參數，而數據挖掘的任務就是從這些雜亂無章的信息樣本庫中找出其中所隱藏著的內在規律，并且從中提取各自故障的不同特征，在對故障的模式進行劃分時，我們通常可以借助概率統計的方式，在對故障模式進行識別時可以采用較為成熟的關聯規則理論，實現變量之間的關聯關系，并最終得到分類所需要用到的一些規則，從而最終達到分類的目的，依據這些規則，就可以對一些新來的數據進行判斷，而且可以準確地對故障進行分類，找出故障所產生的原因和解決故障的正確方法。
三、數據挖掘技術保護設備故障信息管理的基本功能
1.數據傳輸功能。數據挖掘技術保護設備故障信息管理與分析系統的主要數據來源就是故障信息的分站系統，而分站系統中的數據是各個子站的一個數據匯總，而保護設備故障信息管理與分析系統所采用的獲取數據的主要方式就是一些專門的通信程序構建起系統與分站之間的聯系，將分站上的一些匯總數據傳輸到故障信息系統的數據庫中，分析系統所具有的數據傳輸功能，在進行數據的處理時又能做到不影響原先分站數據庫的正常運行，并且具備抗干擾能力強、計算效率高的優點。
2.數據的分析功能。系統在正常運行時，會從故障信息子站或者是分站采集相關的數據并且對這些采集到的數據進行分析整理，最終得到有用的數據信息，利用數據挖掘技術對龐大的故障數據進行分析、分類以及整理，能夠有效地找出有用的信息，歸并一些冗余的信息，對信息進行有效地存儲和分類。另外，數據挖掘技術還具有信息查詢的功能，可以進行不同條件下的查詢，例如按時間段、報告類型、設備型號以及單位等進行查詢，實現查詢后的備份轉存等，根據故障信息系統所提供高的數據信息以及本系統庫中所保存的一些整定阻抗值，可以通過邏輯判斷生產繼電保護動作的分析報告，主要包括對故障過程的簡述、故障切除情況以及保護動作情況等，可以便于繼電保護人員直觀的對保護裝置的動作情況進行分析。
四、結語
隨著企業自動化程度的不斷提高以及數據庫技術的迅速發展，很多企業在一些重要的設備方面都安裝了監測系統，對設備運行過程中的一些重要參數和數據進行采集，采用數據挖掘技術可以有效地解決設備故障診斷中的一些知識獲取瓶頸，將數據挖掘系統充分應用到監控系統中，有效解決故障診斷中的一些困難，事實證明，將數據挖掘技術應用到故障診斷中是非常有效的，也是值得研究和學習的新型技術手段。
參考文獻：
[1]李勛,龔慶武,楊群瑛,羅思需,李社勇.基于數據挖掘技術的保護設備故障信息管理與分析系統[j].電力自動化設備,2011,9
[2]李建業,劉志遠,蔡乾,趙洪波.基于web的故障信息系統[j].電力信息化,2007,s1
【關鍵詞】 計算機 數據挖掘技術 開發
引言：計算機數據挖掘技術是基于計算機原有的功能基礎之上，融入了一些統計學理論，使人們可以利用數據挖掘技術在眾多的計算機系統內部的信息中抓取自己需要的信息和數據。計算機數據挖掘技術的出現極大的促進了社會整體的進步，引領了社會各個領域內的數據量潮流，人們要想在無限的數據中采集有用信息，就必須深入計算機數據挖掘技術的開發研究。
一、計算機數據挖掘技術開發流程
1.1明確數據挖掘目的
由于數據挖掘技術的功能是多種多樣的，所以在開發具體的計算機數據挖掘技術過程中需要根據自身需要明確數據挖掘目的，進而選擇對應數據庫。因為在開發過程中，不同的數據挖掘目標需要依靠不同的挖掘技術數據算法，如果目的不明很容易造成最終開發結果的偏差[1]。
1.2數據選擇和預處理
明確數據挖掘目標、數據庫后還要對所持有的數據進行選擇和預處理，數據選擇是要將數據中的部分信息納入數據挖掘研究范圍內，預處理是將這些數據中的錯誤信息進行刪除和修正，確保列下有用信息。
1.3數據挖掘
數據挖掘過程中要有兩個步驟，其一是根據挖掘目標確定接下來要利用的開發技術和采用的算法，其二是在確定了挖掘技術和數據算法后構建出數學模型，以此來推動挖掘技術的開發。
1.4評估結果
評估結果的最大作用就是對開發出的數據挖掘結果進行科學評估，對數據挖掘技術的開發成果進行檢測和驗證。如果數據挖掘結果不能夠達到數據挖掘開發目的要求，就要及時進行修正，如果數據開發結果符合數據開發目的要求，那么就可以將其投入到實踐應用之中[2]。
二、計算機數據挖掘技術開發
1、可視化技術開發。要想得到有效的信息，就需要從計算機系統中獲得的信息入手，但是當前的網絡信息中存在不少的隱性信息，這些信息的獲得就要依靠計算機數據挖掘技術。采用計算機挖掘技術可以有效的抓取隱性信息的某些特征，當利用散點圖的方式將這些隱性信息表現出來。所以可視化技術是計算機數據挖掘技術開發項目中的一個重點。
2、聯機分析處理。網絡是復雜的，其中的網絡信息和數據更是十分的龐雜，要想快速、準確的抓取到自己想要的信息，需要依靠聯機分析出不同地域和時段的多維數據，聯機分析處理方式需要依靠用戶的配合。在處理多維數據時，需要所有計算機用戶自行的使用或者篩選出分析算法，利用這些分析算法對數據做處理，這樣對探索數據也有巨大的推動作用。
3、決策樹。計算機數據挖掘技術的開發中需要對決策樹進行規則化建立，決策樹是一項重要的開發項目，因為決策樹的作用是發揮預測和分類的功能，對所處理的數據信息進行具體的預測和分類。目前開發的決策樹算法已經有很多種，主要有SLIQ、SPRINT、ID3、C4.5等，SLIQ算法具備連續性屬性，還可以對數據做出具體的分類，SPRINT算法與SLIQ算法有同樣的功能屬性，并且這兩種算法可以通過大型訓練集對決策時做出歸納[3]。
4、計算機神經網絡。計算機數據挖掘技術在開發之中借助了醫學神經系統的研究結果，將人體神經元研究脈絡通過技術處理形成了計算機網絡神經的研究，并且經過一系列的深入探索，目前已經取得了重大的成果。計算機中研發出的神經網絡是安全輸入、輸出和處理單元三種類型進行規劃的，這三個層面代表了計算機神經網絡系統，當前的開發結果中顯示，可以利用計算機神經網絡技術實現數據的調整、計算和整理。
5、遺傳算法。計算機數據挖掘技術的開發中借鑒了許多其他學科領域中的研究方向和理論，在自然學科中，生物基因可以通過遺傳中的不同變化促進后代的自我優化，利用這種思想理論，在計算機數據挖掘技術的開發中也可以通過對不同模型進行組合、演變來創新開發出新的數據算法。
結束語：計算機數據挖掘技術屬于當前社會中最重要的分析工具之一，數據挖掘技術已經被各個領域廣泛的應用，并且其功能得到驗證，極大的促進了社會行業的快速發展。隨著科技水平的日益提升，相信計算機數據挖掘技術將會得到更多方面的創新研究和開發，給社會帶來更大的促進作用。
參 考 文 獻
[1]夏天維. 計算機數據挖掘技術的開發及其應用探究[A]. 《Q策與信息》雜志社、北京大學經濟管理學院.“決策論壇――管理科學與工程研究學術研討會”論文集（下）[C].《決策與信息》雜志社、北京大學經濟管理學院：，2016：1.
關鍵詞： 科研成果管理； 決策支持； 數據倉庫； 聯機分析處理； 數據挖掘
中圖分類號： TN911?34； TM417 文獻標識碼： A 文章編號： 1004?373X（2016）07?0120?04
Abstract： The traditional scientific research achievement management uses the database to store the result data. The multiple data types of the scientific research achievement and unified storage way become the obstacle to obtain the valid result data in decision?making analysis， simultaneously the traditional scientific research achievement system can only extract the result information. In view of the above problems， the scientific research achievement management and decision support system based on data warehouse is proposed， in which the data warehouse， on?line analysis processing （OLAP） and association rule mining algorithm are integrated. The system supports that the management personnel can discover the potential achievement， evaluate the scientific research projects， and reasonably allocate the human resources. The association rules of the data were mined in college paper database. It is found that paper quantity and time dimension have some relationship， which conforms with the practical training situation. The effectiveness of using Apriori in this system was verified.
Keywords： scientific research achievement management； decision support； data warehouse； OLAP； data mining
0 引 言
傳統的科研項目管理過程費時費力，且浪費了大量的人力資源。科研過程中產生的有價值的信息，也被這樣死板的管理方法給淹沒了，人們不能也不愿意從紙質的資料文獻中去發現價值。科研管理方式效率低會嚴重影響到科研項目開發的進度。隨著科學技術的快速發展，科研單位雖然對傳統方法進行了改進，開始建立管理系統，但是還遠遠不能滿足要求[1]。
近年來，國內研究機構也開始重視科研項目管理方面的研究，目的多是為了提高項目管理的水平，對優秀的科研成果進行公示，共同分享研究信息[2]。科研成果管理決策支持系統的目的是為了解決傳統科研管理系統對成果資源的浪費情況，加強對科研成果信息中潛在知識的利用，提高科研項目管理中對成果管理的有效性，利用數據挖掘充分發揮成果數據的潛力，為管理層提供決策支持依據[3]。
1 SRAM?DSS的需求分析
1.1 功能需求
科研成果管理決策支持系統主要面向科研項目的成果進行管理，這些成果包括學術論文、著作、期刊、專利等。數據倉庫的應用可以對成果數據采取智能的分析，將成果數據進行歸類和按照成果數據的分析要求進行整理，從中發現成果與項目、人員之間的聯系和潛在的規律，幫助決策者調整科研定位，做出科學的決策。
基本管理功能要求用戶可以利用本系統完成對成果的基本管理，包括成果提交、 審核、審批等流程的規范管理，還有對保密項目成果的加密處理，不僅要系統能夠保存使用過程中存入的成果，還可以導入外部數據庫的成果數據，為數據挖掘功能提供數據基礎，對數據的集成程度要求很高，因此需要利用數據倉庫存放成果數據[4]。
1.2 用戶需求
系統的主要角色包括科研員，科研管理員，決策員，數據管理員，系統管理員。
2 總體設計
2.1 科研成果數據倉庫的設計
對于科研成果數據倉庫從概念模型、邏輯模型、物理模型三方面進行建模。需要根據不同的主題把數據倉庫中的數據劃分好具體的維度[5]。以成果主題為例，成果數據包括成果名稱，成果類型，成果來源，成果性質，成果作者，成果審核結果，所屬項目，成果完成時間，成果數量等，以此作為分析的依據。因為數據倉庫是多維的，OLAP要在多維數據集之上才能進行，成果數據要滿足分析的要求可以根據維層次繼續劃分，成果類型包括論文，專利，專著，軟件成果等；成果性質包括科技，醫藥，航天等[6]。
（1） 邏輯模型
系統主要用戶利用成果信息進行分析，以此來評估科研項目，并為決策者提供決策支持。分析成果事實表中的數據信息有用戶維、成果維、時間維。在OLAP分析時可以按照不同的層次進行分析，如圖2所示。
（2） 物理模型
在設計數據倉庫的物理模型時，定義成果數據的數據標準是需要注意的重點，目的是使成果數據在數據倉庫中都有一個統一的格式，定義表示成果的相關屬性來描述成果邏輯關系，得到對成果數據倉庫的特征進行完整描述。系統采用SQLServer2008建立數據庫[7]。利用AnalysisServices獲得后臺數據庫里面的信息，這樣建立的數據倉庫可以滿足需求。
2.2 SRAM?DSS功能的設計
為實現科研成果管理科學，全方位管理，設計成果管理，決策支持，用戶管理，系統管理四個模塊的內容，并且用戶在登陸系統之前要進行身份驗證。
（1） 成果管理模塊
成果管理主要包括成果查詢，添加成果，申報成果，成果審核，成果加密以及成果導出等功能，系統采用分組加密方式進行加密。
（2） 決策支持模塊
數據倉庫是決策支持功能的數據基礎，有了數據就需要更多的操作來完成決策支持。對于系統中不同的數據來源，包括外部導入數據利用ETL過程，實現規范化。然后將符合標準的數據裝入數據倉庫中。然后針對用戶的要求進行聯機分析處理和關聯規則挖掘。
（3） 用戶管理模塊
用戶在Web地址欄輸入URL進入登錄，用戶名文本框內輸入用戶姓名，在密碼框內輸入密碼。系統認證平臺會判斷用戶身份，若是新用戶要完成注冊才能登陸，注冊時要填寫用戶真實的信息，才能獲得登陸權利，若用戶輸入的用戶信息正確，登錄成功。用戶可以在用戶管理中進行創建，添加到用戶數據表中，也能獲得系統的使用權限[8]。
（4） 系統管理模塊
系統管理模塊主要是針對系統的權限分配，系統維護以及一些常用工具的設計。不同的用戶進行的操作不同，能夠看到的信息不同，就要求系統控制權限，建立權限分配制度，有利于對用戶權限進行合理的分配也保證了系統的安全運行。系統維護是管理系統中必不可少的關鍵功能，包括對系統用戶數據，成果信息數據等的備份工作，實現數據庫的安全管理，管理相應功能結構規范性，為系統的更新與升級提供支持。
3 系統實現
3.1 基于數據倉庫的OLAP模型
聯機分析處理技術能夠高效的分析數據，發現事物發展規律，捕獲異常和細節。OLAP支持數據分析，而數據倉庫里的數據是經過ETL處理后集成到一起，保證了分析在一個快速的時間內給予響應。所以本階段就是基于數據倉庫建立OLAP模型，從而得到更為可靠的數據立方體，既降低了刷新代價又提高了響應速度。
OLAP包括了維和度量，在前面建立數據倉庫時已經完成。利用SQL Server中的Analysis Services項目模板建立多維數據集，定義數據源以及建立事實表與維表之間的關系。
OLAP模型對數據倉庫中的數據利用MDX進行多維查找，可以有效分析多維數據集。MDX是OLAP的查詢語句，語法與結構化查詢語言SQL很類似。在成果管理系統中，通過MDX語言把科研員和決策者需要的成果數據查詢出來，展現在前臺界面里。
利用OLAP模型進行分析，決策者可以依據分析要求，選擇更多角度去分析數據，能得到的分析也更多，如下：
（1） 由科研成果的類型分布來看整體項目的側重重點，以及在成果突出領域的發展機會和潛力；
（2） 由科研成果參與者和第一申請單位作者與項目之間的關系，可以看到參與者職稱水平，技術支持水平對成果完成數量與質量的關系，并不是參與者越多的成果越完善，可以以此作為合理分配人才資源參與項目開發的依據，也可以以此評估參與人員的水平，作為考核參考；
（3） 以科研成果在一定時間內的增長，作為項目進度和發展的一個參考標準。也可以看到成果的趨勢和項目完成單位的能力和業務的提升；
（4） 可以利用數據庫，對以往成果信息進行分析，由于在傳統的數據庫中不具備OLAP的功能。
3.2 基于數據倉庫的關聯規則挖掘
基于數據倉庫的關聯規則挖掘，Apriori算法的核心是提高關聯規則產生的效率。利用Apriori算法對科研成果數據進行分析的時候要明確成果的特征，根據成果特征描述來看，適合利用Apriori算法進行關聯規則的挖掘。科研成果數據的特征如下：成果數據是按照項目進程時間節點進行錄入的，存儲在成果庫中；成果評估方式不統一，對成果的評估應采取統一的標準；科研成果的數據存儲在數據庫中，每一個成果都對應一條記錄，每一個記錄的屬性都一樣。
以本校論文庫的數據為實驗數據，在論文管理系統中可導出相關TXT文檔數據，利用系統成果導入功能，添加到系統中，對數據進行統一的處理。選取2012―2015年間，數學、物理、計算機、兵器學科的論文成果數據。論文所屬學科層次劃分到一級子學科，時間層次按照年學年，繼續劃分下去。
（1） 數據預處理
數據經過清洗，轉換，去掉無效的數據，采用統一的數據編碼規則，用離散字母代替時間層次，同時將學科按照統一的編碼規則，重新編碼。進一步按照論文數量劃分等級，五份為一級，等級越高代表論文數量越多。
（2） 算法實現
設置最小支持度 min_sup=4，支持度=40%，置信度=80%，通過Apriori算法計算出的關聯規則信任度見表2。
（3） 結果分析
采用的實驗數據來自于論文數據庫，由于學校畢業論文按照培養計劃有周期性，學術性碩士的培養周期為2.5學年，所以碩士畢業多集中于第一學年3月份左右，工程碩士的培養周期為第二學年9月份，所以對數據的分析結果多集中于上半年。
規則1表示，在2012年第一學年在5篇以內且2013年第一學年畢業論文在5篇以內的學科專業，則在2013年第二學年在5篇左右的支持度為40%，信任度為80%。
規則2表示，在2013年第一學年在5篇以內且2013年第二學年畢業論文在5篇以內的學科專業，則在2012年第一學年在5篇左右的支持度為40%，信任度為80%。
規則3表示，在2012年第一學年在5篇以內且2013年第一學年畢業論文在5篇以內的學科專業，則在2014年第二學年在5篇左右的支持度為40%，信任度為80%。
3.3 關聯規則說明
由于系統中的測試數據多來自網絡和本校的數據庫，對關聯規則的挖掘也許存在偏差，但是整體提供的關聯規則數據信息還是符合實際的。簡要介紹以下幾點：
（1） 選取成果完成人的職稱級別和所提交的成果類型與數量作為關聯規則挖掘的維度，發現成果完成人職稱較低的數量較多，存在關聯規則；
（2） 選取固定時間內論文數量和專利數量進行關聯規則挖掘，發現時間維度與論文數量多，關聯較高；
（3） 對不同高校的成果數量進行關聯分析，985與211高校的科研論文，期刊發表數量多具有關聯規則。
4 界面展示
用戶登陸界面：輸入正確的用戶名和密碼登陸系統，用戶可以選擇“記住我”，在下次進入系統時可以免登陸，若是新用戶第一次登陸系統，需要注冊，完成注冊后即獲得登陸權限。
登陸后看到的首頁，左側導航欄顯示了主要的功能，成果展示系統中的成果數量以及系統中的成果列表。
5 結 論
本文在調研了解科研成果管理的決策分析需求的基礎上，認真研究了數據倉庫的有關技術知識，聯機分析處理技術的應用以及數據挖掘關聯規則算法的原理。提出了基于數據倉庫的科研成果管理決策支持系統。
開發系統應用的主要技術包括OLAP和Apriori算法，將OLAP和Apriori算法結合運用于實際的系統開發中，關聯規則計算在OLAP物化了的多維數據集基礎上進行，減少了重新計算的時間，使決策分析更加智能化，使數據挖掘的步驟更具目標化，全面提升輔助決策在科研成果管理中的實用價值。
參考文獻
[1] 賀建英.大數據下MongoDB數據庫檔案文檔存儲去重研究[J].現代電子技術，2015，38（16）：51?55.
[2] SUN Hongmei， JIA Ruisheng. Research on the analysis and design of general test database management system [J]. Procedia engineering， 2012， 29： 489?493.
[3] ESLAMIPOOR R， SEPEHRIAR A. Firm relocation as a potential solution for environment improvement using a SWOT?AHP hybrid method [J]. Process safety and environmental protection， 2014， 92（3）： 269?276.
[4] KLAUS S R， NEUBAUER J， GOETZ?NEUNHOEFFER F. Hydration kinetics of CA2 and CA?investigations performed on a synthetic calcium aluminate cement [J]. Cement and concrete research， 2013， 43（1）： 62?69.
[5] PENG G Y. Marketing decision and decision support system design based on Web [J]. Advanced materials research， 2013， 850： 1048?1051.
[6] 趙維寧.運用數據倉庫技術構建電信企業經營分析系統[J].中文信息，2014（8）：22?26.
論文關鍵詞：中藥材市場，電子商務平臺，構建研究
一、構建中藥材電子商務平臺必要性分析
1、國內外市場現狀分析
中醫藥是祖國傳統文化燦爛寶庫中的重要組成部分，人們普遍應用中醫藥進行保健、醫療。國外，民眾對中醫的療效越來越認可和興趣。廣大民眾對中醫藥的需求，推動了中藥材的種植、加工、儲存、買賣、應用。其中，中藥材集約式買賣交易造就了大型的中藥材專業市場。信息時代，民眾迫切盼望通過網絡能查詢了解中醫藥知識，中藥材專業市場、中藥商、中藥消費者非常希望能利用網絡查尋掌握中藥材的行情信息，通過網上洽談買賣交易。開發構建規模大，功能齊全的中醫藥網絡信息與交易服務平臺是中藥材產業發展的需要。
2、傳統中藥材市場改革的需要
投巨資建設的玉林中藥材市場，占地175畝，總建筑面積23萬平方米，鋪面共有3980間。是我國西南地區最大中藥材集散中心。玉林中藥材市場雖然規模大，基礎設施好，但市場交易方式仍停留在傳統的、單一的攤位對手交易，效率低、成本高、信息不暢，不利于客商業務擴展電子商務論文，不利于市場規范管理。在信息化時代，國內外各類市場趨向于電子網絡商務的大背景下，玉林中藥材市場沒有構建電子信息服務、網絡商務，無法與國內、國際市場接軌，市場發展將受到很大的制約，隨著時間的推移，市場優勢也將會消失。玉林中藥材市場迫切需要構建中藥材網絡電子商務信息應用與交易平臺。
目前，國外，主要是西藥網站，以新藥品信息和廣告為主，沒有中藥網站和相關的平臺。國內，尚未發現大型專業中藥材網絡信息與交易服務平臺，多為綜合性藥品網站，中藥材信息是網站的一部分，單獨而專業的中藥材網站少，規模小，功能少。構建功能強大，集市場信息和查詢、網上洽商和交易、質量檢查、商鋪信用評級、市場需求價格分析預測、行業培訓、商鋪網站、市場管理、中藥材數據挖掘、中藥資訊查尋、藥品洽談交易等功能信息服務平臺，是發展趨勢。
二、構建中藥材電子商務平臺展望
1、構建中藥材網絡電子商務平臺，實體商鋪交易與網絡商鋪交易并舉，與國內國際市場接軌，造就大批現代藥商，業態升級，做大做強市場。
玉林中藥材市場構建中藥材網絡電子商務平臺，實行網絡化運作，就走上“業態提升、功能擴充、管理升級、產業促進”的改革之路。改變傳統的、單一的攤位對手交易，實行市場＋網絡商鋪＋經營業戶的經營模式。使中藥材市場逐步形成藥材集散、價格形成、信息反饋、產業帶動為一體的現代網絡化市場。實現長效科學規范管理，市場的組織化程度提高，市場的公平性、誠信度提升，市場運作效率提高，市場的活力、競爭力得到增強中國期刊全文數據庫。
中藥材網絡電子商務平臺將中藥材市場傳統的商務流程數字化、電子化、網絡化，突破時間空間的局限，大大提高商業運作效率；造就現代藥商電子商務論文，開闊視野，在駕馭瞬息萬變的市場中始終處于主動和優勢。
中藥材網絡電子商務平臺可實現遠程實時商務洽談、交易，為商企低成本拓展全國、東南亞、國際市場鋪就了一條低成本的黃金商道，非常有利于玉林中藥材市場走向全國、全球，從而把市場做大做強。
2、構建中藥材網絡電子商務平臺，能提高商業運作效率、降低流通成本，快捷提供豐富的商業資訊，創造更多商機，規避商業風險，增強商企的競爭力。
中藥材網絡電子商務平臺，讓商務流程轉化為網絡化的電子流、信息流，不受時空限制，大大提高商業運作效率。中藥網絡信息應用與交易平臺可實現遠程實時商務洽談、交易，簡化了客商之間的流通環節，最大限度地降低了流通成本，能有效地提高中藥材客商在現代商業活動中的競爭力。
中藥材網絡電子商務平臺為中藥材市場提供一種基于互聯網的商務活動，具有開放性、共享性、全球性的特點，可為企業、個人提供豐富的商業信息資源，創造更多商業機會，同時有助于客商規避商業風險。
中藥材網絡電子商務平臺對買賣交易活動頻繁的企業非常有利，能有效對企業商業活動的進行科學、規范化管理。
中藥材網絡電子商務平臺使中小企業擁有和大企業一樣的流通渠道和信息資源，這樣也使中小企業以與大型企業相同的成本進行網上交易，高速高效拓展業務，極大提高了中小企業的競爭力。
3、中藥材網絡電子商務平臺及時提供、準確、可靠、全面的市場供需信息，產銷聯動，避免盲目種植藥材，保障藥農收益，促進中藥種植業發展。
玉林中藥材市場的發展，帶動了周邊地區，乃至中西南部眾多省份中藥材種植，中藥材種植面積逐年擴大，逐步成為農民增收的一個途徑。但農民種植藥材決策主要來源于市場人員的直覺信息，由于信息缺乏真實性、全面性，從而導致種植的盲目性電子商務論文，影響藥材種植的收益和積極性，對藥材種植業帶來消極影響。
中藥材網絡電子商務平臺提供及時、準確、可靠、全面的市場供需信息，并提供專家對市場的分析、預測，有效地幫助藥農及時調整種植品種，產銷緊密結合，確保中藥種植收益最大化，有利于中藥種植業良性發展。
4、中藥材網絡電子商務平臺能促進中藥材相關行業發展，創造更多的商機，拓展就業，帶動經濟發展。
中藥材網絡電子商務平臺眾多的優勢，將推動玉林中藥材市場的快速發展，交易額大幅上升，市場輻射效應加倍擴展，進而帶動中藥材相關行業，如：加工、物流、旅業、通訊等二、三產業的蓬勃發展，創造更多的商機，增加就業機會，帶動經濟發展。
三、中藥材網絡電子商務平臺的結構與布局
1、中藥材網絡電子商務平臺功能規劃
中藥材市場涉及中藥材的種植、加工、質檢、交易、倉儲、物流，技術服務等環節，業務范疇廣、流程復雜，具有鮮明的行業特點。中藥材網絡電子商務平臺應該基于一條龍服務的宗旨進行功能規劃，從技術角度來看是一個全面的解決方案。中藥材網絡電子商務平臺需要具有如下功能：
（1）向市場提供豐富的商業信息資源，創造更多商業機會。（2）網上洽商和交易，簡化了客商之間的流通環節，提高商業運作效率，最大限度地降低了流通成本，有效地提高中藥材客商的商業競爭力。（3）有效對客商、企業商業活動的進行科學、規范管理，提高市場的組織化程度，增強市場的競爭力。（4）使中藥材市場逐步形成藥材集散、價格形成、信息反饋、產業帶動為一體的現代網絡化市場。
2、中藥材網絡電子商務平臺子系統的設置
根據中藥材網絡電子商務平臺的功能規劃，可考慮設置九個子系統：市場信息和查詢系統、市場需求價格分析預測系統、網上洽商和交易系統、市場管理系統、質量管理系統、商鋪網站系統、商鋪信用評級系統、中藥材數據挖掘系統、行業培訓系統等九大功能系統。同時，平臺還建立交易中介擔保機制和數據安全機制。
3、中藥材網絡電子商務平臺的功能模塊設置
對應中藥材網絡電子商務平臺九個子系統進行功能模塊的規劃設置。
（1）市場信息和查詢系統
藥材資訊：行業動態、各地快訊、產地信息、藥材展會、招商合作、藥材進出口。
藥材供應信息：最新供應信息、所有供應信息、供應信息綜合查詢、供應信息反饋統計。
藥材求購信息：最新求購信息、所有求購信息、求購信息綜合查詢、求購信息反饋統計。
藥材價格信息：最新價格變動、全部價格、價格走勢、分析預測。
藥材排行榜：供應金額排行、供應數量排行、求購金額排行、求購數量排行、成交金額排行、成交數量排行、價格查詢熱度排行、資訊查詢熱度排行、查詢總熱度排行。
藥材商鋪：商鋪基本信息、商鋪供求信息、商鋪其它信息、商鋪綜合排行、商鋪問詢、推薦商鋪。
（2）市場需求價格分析預測系統：供求分析、供求預測、價格分析、價格預測。
（3）網上洽商和交易系統：會員管理、網上洽談、網上交易、網上付款、收發貨管理、貨款撥退。
（4）市場管理系統：通知公告、文件流轉、租賃管理、合同管理、收費管理。
（5）質量管理系統：質量抽樣檢驗、商品標識抽檢、索證備案檢查、進貨臺帳檢查、下柜退市貨物檢查、虛假宣傳檢查、侵權檢查、檢查綜合評分、排行處理。
（6）商鋪網站系統：商鋪網站注冊、商鋪網站模板管理、商鋪網站信息上傳、商鋪網站綜合排行、商鋪網站綜合管理。
（7）商鋪信用評級系統：商鋪信用評分、商鋪信用排行、商鋪信用監督。
（8）中藥材數據挖掘系統：數據挖掘模型管理、數據挖掘、數據挖掘結果儲存、數據挖掘結果顯示、挖掘特點統計。
（9）行業培訓系統：中藥材種植技術培訓、中藥材加工技術培訓、中藥材鑒別培訓、中藥材儲存知識培訓、中藥材醫用培訓、其它知識培訓。
四、構建中藥材網絡電子商務平臺可行性
網絡電子商務平臺的技術基礎和社會基礎：現代社會，網絡信息技術發展迅速，應用廣泛電子商務論文，技術成熟。有眾多的成功的網絡信息服務平臺范例可供借鑒，構建中藥材網絡電子商務平臺具有良好的技術基礎中國期刊全文數據庫。隨著計算機網絡在社會各行各業、各階層的廣泛應用，計算機網絡已是人們的工作、生活密不可分的工具，社會已普遍形成了應用計算機網絡良好行為習慣，構建中藥材網絡電子商務平臺也具有了廣泛的社會基礎。
五、關鍵技術與創新
與一般信息網站、網絡信息服務平臺不同，中藥材市場涉及中藥材的種植、加工、質檢、交易、倉儲、物流，技術服務等環節，業務范疇廣、流程復雜，行業特色明顯。因此，中藥材網絡電子商務平臺規模大，集成九大功能系統，設置七十六個模塊，需要解決的關鍵技術不少。如：（1）網上交易中，不同企業、不同技術標準的系統之間實現數據實時傳送、接收。（2）使用不同開發工具的系統集成到一個平臺，并實現數據無縫互通。（3）復雜多樣的業務數據交換標準的研制。（4）巨量數據并發處理機制設計。（5）多服務器分布處理響應。（6）平臺交易數據安全技術。（7）中藥材數據挖掘技術。（8）多媒體培訓課件的設計與集成等等。
網絡信息應用模式的創新：（1）創建現代網絡化中藥材市場。（2）中藥材網上交易。（3）創建中藥材網絡商鋪。（4）中藥材市場信息平臺中的數據挖掘技術應用。（5）中藥材交易資訊服務。（6）中藥材種植資訊服務。（7）網絡化市場管理。（8）網絡多媒體中藥材綜合知識培訓等。在實際開發構建中藥材網絡電子商務平臺的過程中，對這些技術關鍵，要進行大量的分析研究，逐個攻關解決。
參考文獻
俞文群，城市公共信息服務平臺的設計與實現[J].寧波工程學院學報，2006，（2）：34-37